[发明专利]多媒体资源的模型训练及相似度确定方法和装置

权利要求书

1.一种多媒体资源的特征提取模型的训练方法，其特征在于，所述方法包括：

采用多媒体资源集中被同一账户对象访问的多媒体资源构建正样本对，其中正样本对中的两个样本的访问时间取自同一时间窗口；以及，

采用所述多媒体资源集中未被访问的多媒体资源和被访问的多媒体资源构建负样本对；其中，同类查询请求匹配的多媒体资源构成所述多媒体资源集，相似度高于相似度阈值的查询请求构成所述同类查询请求；

采用所述正样本对和所述负样本对训练特征提取模型，其中，所述特征提取模型用于提取多媒体资源之间的相似度。

2.根据权利要求1所述的方法，其特征在于，所述特征提取模型为双塔网络结构，其中，每个塔包括卷积神经网络、第一全连接层；

其中，所述双塔网络结构中的第一塔网络结构的所述卷积神经网络用于提取第一多媒体资源的第一特征；所述双塔网络结构中的第二塔网络结构的卷积神经网络用于提取第二多媒体资源的第一特征；

所述第一塔网络结构的第一全连接层用于对所述第一多媒体资源的第一特征和所述第一多媒体资源的第二特征进行特征提取，得到所述第一多媒体资源的特征表达；

所述第二塔网络结构的第一全连接层用于对所述第二多媒体资源的第一特征和所述第二多媒体资源的第二特征进行特征提取，得到所述第二多媒体资源的特征表达；

所述第一多媒体资源的特征表达和所述第二多媒体资源的特征表达用于确定所述第一多媒体资源和所述第二多媒体资源之间的相似度。

3.根据权利要求2所述的方法，其特征在于，所述第二特征为多媒体资源的受关注程度参数，所述第一塔网络结构的卷积神经网络具体用于对所述第一多媒体资源的内容和所述第一多媒体资源的受关注程度参数进行特征提取，得到所述第一多媒体资源的所述第一特征，或者对所述第一多媒体资源的内容进行特征提取得到所述第一多媒体资源的所述第一特征；

所述第二塔网络结构的卷积神经网络具体用于对所述第二多媒体资源的内容和所述第二多媒体资源的受关注程度参数进行特征提取，得到所述第二多媒体资源的所述第一特征，或者对所述第二多媒体资源的内容进行特征提取得到所述第二多媒体资源的所述第一特征。

4.根据权利要求2或3所述的方法，其特征在于，所述采用所述正样本对和所述负样本对训练特征提取模型，包括：

获取任一样本对中的第一多媒体资源和第二多媒体资源的各自的特征表达；

采用第二全连接层对所述第一多媒体资源和所述第二多媒体资源各自的特征表达进行特征提取，得到分类特征；

对所述分类特征进行分类处理，得到所述任一样本对的预测类别，供划分的分类类别包括正样本对和负样本对；

采用预测类别和标注类别确定损失值，并基于所述损失值调整所述特征提取模型的模型参数。

5.一种多媒体资源的相似度确定方法，其特征在于，所述方法包括：

获取第一多媒体资源和第二多媒体资源；

采用特征提取模型分别提取所述第一多媒体资源和所述第二多媒体资源的特征表达；

基于所述第一多媒体资源和所述第二多媒体资源各自的特征表达，确定所述第一多媒体资源和所述第二多媒体资源的相似度；

所述特征提取模型是预先基于正样本对和负样本训练得到的，其中：

相似度高于相似度阈值的查询请求构成同类查询请求；同类查询请求匹配的多媒体资源构成所述多媒体资源集；

正样本对是采用所述多媒体资源集中被同一账户对象访问的多媒体资源构建的，且正样本对中的两个样本的访问时间取自同一时间窗口；

负样本对是采用所述多媒体资源集中未被访问的多媒体资源和被访问的多媒体资源构建的。