[發(fā)明專利]在線系統(tǒng)中基于神經(jīng)網(wǎng)絡(luò)的內(nèi)容分發(fā)

在審

• 申請?zhí)枺?/td>: 201980051918.X
• 申請日: 2019-08-02
• 公開（公告）號: CN112534424A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 高田石;王翔宇;金歐;黃逸飛;維格內(nèi)什·拉馬納坦
• 申請（專利權(quán)）人: 臉譜公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/535
• 代理公司: 北京安信方達(dá)知識產(chǎn)權(quán)代理有限公司 11262
• 代理人: 俞立文;楊明釗

在線系統(tǒng)從第三方內(nèi)容提供者接收內(nèi)容項(xiàng)。對于每個內(nèi)容項(xiàng)，在線系統(tǒng)將圖像輸入神經(jīng)網(wǎng)絡(luò)，并從神經(jīng)網(wǎng)絡(luò)的隱藏層提取特征向量。在線系統(tǒng)通過為每個特征值分配標(biāo)簽來壓縮每個特征向量，該標(biāo)簽表示特征值是否高于閾值。在線系統(tǒng)識別用戶已經(jīng)交互的一組內(nèi)容項(xiàng)，并通過聚合該組內(nèi)容項(xiàng)的特征向量來確定用戶特征向量。對于新的一組內(nèi)容項(xiàng)，在線系統(tǒng)將內(nèi)容項(xiàng)的壓縮的特征向量與用戶特征向量進(jìn)行比較。在線系統(tǒng)基于比較來選擇一個或更多個新內(nèi)容項(xiàng)，并向用戶發(fā)送選擇的內(nèi)容項(xiàng)。

背景

發(fā)明領(lǐng)域

本公開總體上涉及在線系統(tǒng)的內(nèi)容分發(fā)，并且具體地涉及在線系統(tǒng)對包括圖像的內(nèi)容項(xiàng)(content item)的基于神經(jīng)網(wǎng)絡(luò)的分發(fā)。

相關(guān)技術(shù)描述

諸如社交網(wǎng)絡(luò)系統(tǒng)的在線系統(tǒng)允許用戶關(guān)連(connect)到在線系統(tǒng)的其他用戶并與之通信。在線系統(tǒng)向用戶提供內(nèi)容項(xiàng)，例如，由第三方系統(tǒng)提供的內(nèi)容項(xiàng)。內(nèi)容項(xiàng)通常包括圖像或視頻。在線系統(tǒng)旨在向可能與在線系統(tǒng)交互的用戶提供內(nèi)容項(xiàng)。在線系統(tǒng)使用諸如機(jī)器學(xué)習(xí)技術(shù)的各種技術(shù)來預(yù)測用戶對給定內(nèi)容項(xiàng)感興趣的可能性。

內(nèi)容項(xiàng)經(jīng)常呈現(xiàn)給可能對內(nèi)容并不感興趣的用戶，從而提供較差的用戶體驗(yàn)。一個原因是，傳統(tǒng)系統(tǒng)對于內(nèi)容包含的確切信息是有限的，諸如關(guān)于內(nèi)容項(xiàng)中呈現(xiàn)的圖像中出現(xiàn)的實(shí)體的細(xì)節(jié)的確切信息是有限的。并且傳統(tǒng)系統(tǒng)沒有高效的方法來將潛在的數(shù)百萬內(nèi)容項(xiàng)中的內(nèi)容項(xiàng)的細(xì)節(jié)映射到在線系統(tǒng)的潛在的數(shù)百萬用戶的特定興趣。傳統(tǒng)技術(shù)不能有效地將內(nèi)容項(xiàng)分發(fā)給對所呈現(xiàn)的內(nèi)容項(xiàng)的內(nèi)容感興趣的用戶，從而提供較差的用戶體驗(yàn)。

概述

在線系統(tǒng)將從第三方內(nèi)容提供者接收的內(nèi)容項(xiàng)分發(fā)給在線系統(tǒng)的用戶。在線系統(tǒng)例如使用神經(jīng)網(wǎng)絡(luò)生成描述與內(nèi)容項(xiàng)相關(guān)聯(lián)的圖像的內(nèi)容特征向量，并將每個內(nèi)容特征向量與在線系統(tǒng)的用戶所關(guān)聯(lián)的用戶特征向量進(jìn)行比較。內(nèi)容特征向量包括描述圖像包括特定特征的可能性的特征值陣列。基于內(nèi)容項(xiàng)的內(nèi)容特征向量和用戶特征向量的比較，選擇一組內(nèi)容項(xiàng)在在線系統(tǒng)內(nèi)呈現(xiàn)給用戶。

在一個實(shí)施例中，在線系統(tǒng)從第三方內(nèi)容提供者接收多個內(nèi)容項(xiàng)。多個內(nèi)容項(xiàng)中的每個內(nèi)容項(xiàng)包括至少一個圖像，為該圖像生成特征向量。在線系統(tǒng)提取包括內(nèi)容項(xiàng)的特征值陣列的特征向量，并通過為每個特征值分配標(biāo)簽(label)來壓縮特征向量。對于壓縮的特征向量，分配的標(biāo)簽表示相應(yīng)的特征值是否高于閾值。另外，在一些實(shí)施例中，因?yàn)榕c分配給初始提取的特征向量的特征值范圍相比，分配給壓縮的特征向量的標(biāo)簽是二進(jìn)制值，所以壓縮的特征向量更有效地存儲在計(jì)算機(jī)存儲器內(nèi)或存儲設(shè)備上，并且占用更少的存儲空間。在線系統(tǒng)識別用戶過去交互過的一組內(nèi)容項(xiàng)，并通過聚合(aggregate)對應(yīng)于所識別的內(nèi)容項(xiàng)的壓縮的特征向量來確定用戶特征向量。

在線系統(tǒng)接收新的一組內(nèi)容項(xiàng)。對于每個內(nèi)容項(xiàng)，在線系統(tǒng)將內(nèi)容項(xiàng)的壓縮的特征向量與用戶特征向量進(jìn)行比較。在線系統(tǒng)基于比較從新的一組內(nèi)容項(xiàng)中選擇一個或更多個內(nèi)容項(xiàng)，并向在線系統(tǒng)的用戶發(fā)送一個或更多個選擇的項(xiàng)。

附圖簡述

圖1是根據(jù)本發(fā)明實(shí)施例的系統(tǒng)環(huán)境的高級框圖。

圖2是根據(jù)實(shí)施例的在線系統(tǒng)140的系統(tǒng)架構(gòu)的框圖

圖3示出了根據(jù)本發(fā)明實(shí)施例的由特征提取器維護(hù)的示例性神經(jīng)網(wǎng)絡(luò)的示意圖。

圖4A示出了根據(jù)實(shí)施例的為在線系統(tǒng)的用戶生成特征向量的過程。

圖4B示出了根據(jù)實(shí)施例的為在線系統(tǒng)的用戶生成特征向量的過程的流程圖。

圖5A示出了根據(jù)實(shí)施例的用于向在線系統(tǒng)的用戶分發(fā)內(nèi)容的過程。

圖5B示出了根據(jù)實(shí)施例的用于向在線系統(tǒng)的用戶分發(fā)內(nèi)容的過程的流程圖。