[發明專利]基于媒體文件的行為預估方法和裝置

有效

• 申請號: 201611159336.8
• 申請日: 2016-12-13
• 公開（公告）號: CN108614845B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 陳細華
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;賈允

1.一種基于媒體文件的行為預估方法，其特征在于，包括：

獲取與媒體文件的類型相對應的行為樣本，其中，所述行為樣本用于表示多種目標行為的執行情況，所述多種目標行為包括具有預設關系的行為；

在所述行為樣本的特征向量保持不變的情況下，將所述行為樣本轉化為目標向量，其中，所述目標向量的長度與所述多種目標行為的數量相同，所述目標向量的每維分量用于表示每種目標行為的執行情況；

通過預設深層神經網絡對所述行為樣本的特征向量和所述目標向量進行處理，得到用于表示所述多種目標行為執行于所述媒體文件的執行概率的預估數據；

其中，所述通過預設深層神經網絡對所述行為樣本的特征向量和所述目標向量進行處理，得到用于表示所述多種目標行為執行于所述媒體文件的執行概率的預估數據包括：將所述行為樣本的特征向量確定為所述預設深層神經網絡的初級原始特征；從所述初級原始特征中提取預設數據維度的高級特征；根據所述高級特征和所述目標向量獲得用于表示所述多種目標行為執行于所述媒體文件的執行概率的預估數據。

2.根據權利要求1所述的方法，其特征在于，

獲取與媒體文件的類型相對應的行為樣本包括：獲取與多種媒體文件的類型相對應的多個行為樣本，其中，每個行為樣本用于表示所述預設關系的所述多種目標行為的執行情況；

在所述行為樣本的特征向量保持不變的情況下，將所述行為樣本轉化為目標向量包括：在所述多個行為樣本的特征向量保持不變的情況下，將所述多個行為樣本轉化為多個目標向量，其中，每個目標向量的長度與所述多種目標行為的數量相同，所述每個目標向量的每維分量用于表示每種目標行為的執行情況。

3.根據權利要求2所述的方法，其特征在于，

通過預設深層神經網絡對所述特征向量和所述目標向量進行處理，得到用于表示所述多種目標行為的執行概率的預估數據包括：通過所述預設深層神經網絡分別對所述多個行為樣本的特征向量和所述多個目標向量進行處理，得到所述多種媒體文件下的所述多種目標行為的預估數據。

4.根據權利要求3所述的方法，其特征在于，通過所述預設深層神經網絡分別對所述多個行為樣本的特征向量和所述多個目標向量進行處理，得到所述多種媒體文件下的所述多種目標行為的預估數據包括：

將所述多個行為樣本的特征向量確定為所述預設深層神經網絡的多個初級原始特征；

從所述多個初級原始特征中提取預設數據維度的高級特征；

根據所述高級特征和所述多個目標向量獲得所述多種媒體文件下的所述多種目標行為的預估數據。

5.根據權利要求4所述的方法，其特征在于，根據所述高級特征和所述多個目標向量獲得所述多種媒體文件下的所述多種目標行為的預估數據包括：采用以下方式獲取所述預估數據，

其中，所述p用于表示所述預估數據，所述y用于表示所述多個目標向量中的第k個目標向量，所述x為所述第k個目標向量對應的特征向量，所述W∈R^M×K為所述預設深層神經網絡的參數，所述M為所述預設深層神經網絡的頂層輸入的所述預設數據維度，所述K為所述多種目標行為的數量，所述W^T為所述W的轉置。

6.根據權利要求1所述的方法，其特征在于，在通過預設深層神經網絡對所述行為樣本的特征向量和所述目標向量進行處理，得到用于表示所述多種目標行為的執行概率的預估數據之后，所述方法還包括：

獲取所述多種目標行為的實際執行數據；

獲取所述多種目標行為的預估數據與所述實際執行數據的數據差；

在所述目標向量符合預設條件的情況下，通過所述預設深層神經網絡反向傳輸所述數據差，其中，在所述反向傳輸的過程中利用所述數據差更新所述預設深層神經網絡的權重；所述預設條件包括所述目標向量對應的目標行為為執行或者為曝光的條件。