[發明專利]一種資源推薦方法、裝置、電子設備及存儲介質

有效

• 申請號: 201911204911.5
• 申請日: 2019-11-29
• 公開（公告）號: CN110941727B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 武軍暉;陳曉敏;李濤;李巖
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06F16/435
• 分類號: G06F16/435;G06F16/45;G06F16/483;G06N3/0464;G06N3/0985
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;馬敬

1.一種資源推薦方法，其特征在于，所述方法包括：

獲取用戶輸入的屬于第一類別的第一資源；

根據預先訓練的匹配度確定模型中的第一子模型，對所述第一資源進行特征提取，得到所述第一資源的第一特征向量，其中，所述匹配度確定模型還包括第二子模型，所述第二子模型用于對第二類別的資源進行特征提取，所述匹配度確定模型用于根據所述第一子模型和所述第二子模型各自特征提取的特征，確定所述第一類別的資源與所述第二類別的資源的匹配度；

其中，所述預先訓練的匹配度確定模型的訓練樣本的獲取過程包括：針對成對的資源，按照第一預設時長對該資源進行切分，得到視頻-音樂對資源，相鄰的視頻-音樂對資源具有第二預設時長的重疊部分；針對不成對的資源，按照第一預設時長進行切分，得到多個持續時長為第一預設時長的不成對的資源；所述匹配度確定模型為采用端到端的方式進行訓練得到的；

計算根據所述第二子模型得到的預設各第二資源各自的第二特征向量，與所述第一特征向量的匹配度，其中，所述預設各第二資源屬于所述第二類別；

基于計算得到的各匹配度，向所述用戶推薦資源。

2.根據權利要求1所述的資源推薦方法，其特征在于，在所述根據預先訓練的匹配度確定模型中的第一子模型，對所述第一資源進行特征提取之前，所述方法還包括：

獲取訓練樣本，其中，所述訓練樣本包括正樣本和負樣本，所述正樣本包括屬于所述第一類別的第一樣本資源、與所述第一樣本資源相匹配的屬于所述第二類別的第二樣本資源，所述負樣本包括屬于所述第一類別的第三樣本資源、與所述第三樣本資源不匹配的屬于所述第二類別的第四樣本資源；

根據所述訓練樣本對預設結構的匹配度確定模型的模型參數進行訓練；

當達到預設的停止訓練條件時，停止訓練，得到訓練好的匹配度確定模型。

3.根據權利要求1所述的資源推薦方法，其特征在于，所述基于計算得到的各匹配度，向所述用戶推薦資源，包括：

從所述預設各第二資源中確定出待選資源，其中，所述待選資源對應的匹配度大于所述預設各第二資源中其他資源對應的匹配度；

向所述用戶推薦所述待選資源。

4.根據權利要求3所述的資源推薦方法，其特征在于，所述待選資源為多個；

在所述向所述用戶推薦所述待選資源之后，所述方法還包括：

接收所述用戶輸入的選擇指令，其中，所述選擇指令中攜帶有資源標識；

從所述待選資源中確定所述資源標識對應的資源，作為與所述第一資源匹配的目標資源；

生成包含有所述第一資源和所述目標資源的資源。

5.根據權利要求1所述的資源推薦方法，其特征在于，所述第一類別為圖像類別，所述第二類別為音樂類別；

或者，

所述第一類別為音樂類別，所述第二類別為圖像類別。

6.一種資源推薦裝置，其特征在于，所述裝置包括：

獲取模塊，被配置為執行獲取用戶輸入的屬于第一類別的第一資源；

處理模塊，被配置為執行根據預先訓練的匹配度確定模型中的第一子模型，對所述第一資源進行特征提取，得到所述第一資源的第一特征向量，其中，所述匹配度確定模型還包括第二子模型，所述第二子模型用于對第二類別的資源進行特征提取，所述匹配度確定模型用于根據所述第一子模型和所述第二子模型各自特征提取的特征，確定所述第一類別的資源與所述第二類別的資源的匹配度；

其中，所述預先訓練的匹配度確定模型的訓練樣本的獲取過程包括：針對成對的資源，按照第一預設時長對該資源進行切分，得到視頻-音樂對資源，相鄰的視頻-音樂對資源具有第二預設時長的重疊部分；針對不成對的資源，按照第一預設時長進行切分，得到多個持續時長為第一預設時長的不成對的資源；所述匹配度確定模型為采用端到端的方式進行訓練得到的；

計算模塊，被配置為執行計算根據所述第二子模型得到的預設各第二資源各自的第二特征向量，與所述第一特征向量的匹配度，其中，所述預設各第二資源屬于所述第二類別；

推薦模塊，被配置為執行基于計算得到的各匹配度，向所述用戶推薦資源。