[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

说明书

本申请涉及人工智能技术领域，提供一种多媒体资源的模型训练及相似度确定方法和装置，用解决相关技术中对卷积神经网络模型的训练工作复杂的问题。本申请中，基于相似的查询请求对应相似的多媒体资源，为了能够更好的构建正样本对，本申请实施例中对相似的查询请求对应的多媒体资源，采用时间窗口进行筛选得到。之所以能够采用时间窗口，是因为相同或相似的查询请求下，访问时间相近的两次访问操作往往是针对极其相似的多媒体资源的访问。故此，基于时间窗口筛选出的正样本对具有很高的实用性和准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种多媒体资源的模型训练及相似度确定方法和装置。

背景技术

网络中视频资源丰富，随着时间的积累和用户的增多，视频数量巨大。一些基于视频的应用通常会用到视频的特征表达。一种应用为通过计算视频之间的相似度进行视频推荐。

视频之间的相似度一般需要将视频转换成特征表达，该特征表达例如为embedding特征。然后计算两个视频的特征表达之间的距离作为这两个视频的相似度。

相关技术中多采用卷积神经网络CNN提取视频的特征表达。然而，训练卷积神经网络需要正样本对和负样本对。正负样本对的标记工作复杂，标记困难，且产出低。故此，相关技术中对卷积神经网络模型的训练工作复杂。

发明内容

本申请实施例提供一种多媒体资源的模型训练及相似度确定方法和装置，用于解决相关技术中对卷积神经网络模型的训练工作复杂的问题。

第一方面，本申请提供一种多媒体资源的特征提取模型的训练方法，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。

可选的，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。

可选的，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。

可选的，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：