[发明专利]媒介信息处理方法、装置、电子设备、存储介质及产品

说明书

本公开提供了一种媒介信息处理方法、装置、电子设备、存储介质及产品，属于网络技术领域。该方法中，获取媒介信息中的多个子内容，并提取子内容对应的特征。确定媒介信息中子内容对应的权重；权重与子内容对媒介信息的贡献程度正相关。根据子内容对应的特征以及权重，生成媒介信息的媒介特征；特征对媒介特征的影响程度与权重正相关，基于媒介特征，确定媒介信息的质量预估值。这样，一定程度上可以使得生成的媒介特征能够更准确的描述与刻画媒介信息，进而提高确定的质量预估值的准确性，确保质量评估的效果。

技术领域

本公开属于网络技术领域，特别是涉及一种媒介信息处理方法、装置、电子设备、存储介质及产品。

背景技术

目前，经常会在网络平台中投放媒介信息，以使媒介信息展示的对象能够获得更多用户的关注。为了确保投放效果，往往需要预先评估媒介信息的质量。例如，以点击率/转换率作为质量评估指标，预估媒介信息的点击率/转换率，根据点击率/转换率的高低，评估媒介信息的质量高低。

相关技术中，往往直接获取媒介信息的平均特征，基于平均特征确定媒介信息的质量预估值。这种方式中，确定的质量预估值的准确性较低，导致质量评估的效果较差。

发明内容

为克服相关技术中存在的问题，本公开提供一种媒介信息处理方法、装置、电子设备、存储介质及产品。

依据本公开的第一方面，提供了一种媒介信息处理方法，该方法包括：

获取媒介信息中的多个子内容，并提取所述子内容对应的特征；

确定所述媒介信息中子内容对应的权重；所述权重与所述子内容对所述媒介信息的贡献程度正相关；

根据所述子内容对应的特征以及权重，生成所述媒介信息的媒介特征；所述特征对所述媒介特征的影响程度与所述权重正相关；

基于所述媒介特征，确定所述媒介信息的质量预估值。

可选的，所述确定所述媒介信息中子内容对应的权重，包括：

对于所述媒介信息中的任一子内容，基于预训练的自注意力机制模型，根据所述子内容对应的特征以及所述子内容之前的子内容对应的特征，生成所述自注意力机制模型的输出值；

根据所述输出值确定所述子内容对应的权重。

可选的，所述确定所述媒介信息中子内容对应的权重，包括：

将所述媒介信息中各所述子内容作为预训练的关键内容预估模型的输入，获取所述关键内容预估模型为各所述子内容生成的输出值；

将所述输出值作为所述子内容对应的权重。

可选的，所述预训练的关键内容预估模型通过下述方式获得：

获取样本媒介信息中各子样本内容对应的历史点击和/或转化率；

根据各所述子样本内容对应的历史点击和/或转化率，为各所述子样本内容设置标签值；所述标签值的大小与所述历史点击和/或转化率正相关；

以所述样本媒介信息中各子样本内容以及各所述子样本内容的标签值作为训练数据，训练获取所述关键内容预估模型。

可选的，所述根据所述子内容对应的特征以及权重，生成所述媒介信息的媒介特征，包括：

将权重小于预设权重阈值的子内容作为目标子内容，并过滤所述目标子内容对应的特征；

根据剩余子内容对应的特征以及权重，计算特征加权和，以作为所述媒介特征；所述剩余子内容是所述多个子内容中除所述目标子内容之外的子内容。

可选的，所述媒介信息为视频，所述子内容为视频帧；所述获取媒介信息中的多个子内容，并提取所述子内容对应的特征，包括：