[發明專利]用于存儲媒體文件和用于檢索媒體文件的方法和裝置

在審

• 申請號: 202010089899.4
• 申請日: 2020-02-13
• 公開（公告）號: CN112182255A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 陳曦;呼一辰;田浩
• 申請（專利權）人: 百度（美國）有限責任公司
• 主分類號: G06F16/41
• 分類號: G06F16/41;G06F16/435;G06F16/483;G06F40/30;G06N3/08
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于存儲媒體文件的方法，包括：

獲取用于表征媒體文件的上下文的語義的語義向量，其中，所述上下文為所述媒體文件在呈現有所述媒體文件的網頁中的上下文；

關聯存儲所述語義向量和所述媒體文件。

2.根據權利要求1所述的方法，其中，所述獲取用于表征媒體文件的上下文的語義的語義向量，包括：

響應于接收到用于請求存儲所述網頁呈現的所述媒體文件的請求，獲取用于表征媒體文件的上下文的語義的語義向量。

3.根據權利要求1所述的方法，其中，所述語義向量通過如下步驟得到：

利用預先訓練的語義模型，生成用于表征媒體文件的上下文的語義的語義向量，其中，所述語義模型用于生成用于表征文本的語義的語義向量。

4.根據權利要求3所述的方法，其中，所述語義模型基于知識增強的語義表示模型ERNIE訓練得到。

5.根據權利要求1所述的方法，其中，所述方法還包括：

基于HNSW算法，為所述語義向量添加索引。

6.根據權利要求1所述的方法，其中，所述關聯存儲所述語義向量和所述媒體文件，包括：

利用MongoDB關聯存儲所述語義向量和所述媒體文件。

7.一種用于檢索媒體文件的方法，包括：

獲取用于表征檢索用文本的語義的語義向量作為目標語義向量；

根據所述目標語義向量，按照對應的語義向量與所述目標語義向量的相似度從大到小的順序，在數據庫中檢索以確定預設數目個媒體文件，其中，所述數據庫通過對于至少一個媒體文件，分別執行如下步驟預先構建：

獲取用于表征媒體文件的上下文的語義的語義向量，其中，所述上下文為媒體文件在呈現有媒體文件的網頁中的上下文；基于所述數據庫關聯存儲所述語義向量和媒體文件。

8.根據權利要求7所述的方法，其中，所述檢索用文本從呈現用文本提取得到。

9.根據權利要求8所述的方法，其中，所述方法還包括：

生成呈現有所述呈現用文本和所述媒體文件的網頁，其中，所述呈現用文本在所述網頁中為所述媒體文件的上下文。

10.根據權利要求8所述的方法，其中，所述媒體文件為視頻；以及

所述方法還包括：

基于語音合成技術，生成所述呈現用文本對應的語音；

為所述媒體文件添加所述語音，生成呈現用媒體文件；

呈現所述呈現用媒體文件。

11.一種用于存儲媒體文件的裝置，包括：

第一獲取單元，被配置成獲取用于表征媒體文件的上下文的語義的語義向量，其中，所述上下文為所述媒體文件在呈現有所述媒體文件的網頁中的上下文；

存儲單元，被配置成關聯存儲所述語義向量和所述媒體文件。

12.根據權利要求11所述的裝置，其中，所述第一獲取單元進一步被配置成：

響應于接收到用于請求存儲所述網頁呈現的所述媒體文件的請求，獲取用于表征媒體文件的上下文的語義的語義向量。

13.根據權利要求11所述的裝置，其中，所述語義向量通過如下步驟得到：

利用預先訓練的語義模型，生成用于表征媒體文件的上下文的語義的語義向量，其中，所述語義模型用于生成用于表征文本的語義的語義向量。

14.根據權利要求13所述的裝置，其中，所述語義模型基于知識增強的語義表示模型ERNIE訓練得到。

15.根據權利要求11所述的裝置，其中，所述裝置還包括：

添加單元，被配置成基于HNSW算法，為所述語義向量添加索引。