[發(fā)明專利]基于人工智能的圖文內(nèi)容質(zhì)量識別方法和裝置

在審

• 申請?zhí)枺?/td>: 202011222592.3
• 申請日: 2020-11-05
• 公開（公告）號: CN113407663A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計）人: 朱靈子;衡陣;馬連洋
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/211;G06F40/186;G06N3/04
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 毛丹

本申請涉及一種基于人工智能的圖文內(nèi)容質(zhì)量識別方法和裝置。所述方法包括：獲取待識別文章，并提取待識別文章的文章先驗特征、文本內(nèi)容和圖文序列特征。對各文章先驗特征進行特征交叉處理，得到交叉先驗特征向量。根據(jù)文本內(nèi)容生成待識別文章的文檔特征向量。對各圖文序列特征進行加權(quán)處理，得到加權(quán)處理后的圖文序列特征向量，進而將交叉先驗特征向量、文檔特征向量和加權(quán)處理后的圖文序列特征向量進行全連接處理，得到待識別文章的綜合特征向量，基于綜合特征向量確定待識別文章的圖文內(nèi)容質(zhì)量。采用本方法結(jié)合了待識別文章的多個維度，對圖文內(nèi)容質(zhì)量進行判定和識別，避免單一維度判斷方式得到的片面結(jié)果，提升圖文內(nèi)容質(zhì)量判定結(jié)果的準確度。

技術(shù)領(lǐng)域

本申請涉及人工智能技術(shù)領(lǐng)域，特別是涉及一種基于人工智能的圖文內(nèi)容質(zhì)量識別方法和裝置。

背景技術(shù)

隨著人工智能技術(shù)的不斷發(fā)展，以及互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，通過互聯(lián)網(wǎng)獲取和傳播圖文信息的方式日漸普及。而由于信息量巨大，往往很難識別到優(yōu)質(zhì)且合適的內(nèi)容，并推送至不同用戶，進而需要提升用戶獲取優(yōu)質(zhì)信息以及企業(yè)進行優(yōu)質(zhì)業(yè)務(wù)信息推廣的便捷性。

傳統(tǒng)上，多采用有監(jiān)督或無監(jiān)督的圖文優(yōu)質(zhì)內(nèi)容識別技術(shù)，其中，有監(jiān)督的圖文識別技術(shù)主要從文本角度進行內(nèi)容質(zhì)量的判定，而無監(jiān)督的圖文識別技術(shù)主要從文章詞法多樣性和句法多樣性等統(tǒng)計學(xué)角度進行內(nèi)容質(zhì)量判定。

但由于有監(jiān)督的圖文識別技術(shù)，比如使用fastText、textcnn、bert等從文本角度進行內(nèi)容質(zhì)量判定的方法，涉及的維度較為單一，不夠全面。同時，無監(jiān)督的圖文識別技術(shù)從文章詞法多樣性或句法多樣性等統(tǒng)計學(xué)角度進行內(nèi)容質(zhì)量判定時,未引入不同語義信息對應(yīng)的不同特殊語言場景，容易產(chǎn)生判定錯誤。因此，傳統(tǒng)的圖文識別技術(shù)，進行內(nèi)容質(zhì)量判定得到判定結(jié)果的準確度仍然較為低下。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠提升圖文內(nèi)容質(zhì)量判定結(jié)果的準確度的基于人工智能的圖文內(nèi)容質(zhì)量識別方法和裝置。

一種基于人工智能的圖文內(nèi)容質(zhì)量識別方法，所述方法包括：

獲取待識別文章，并提取所述待識別文章的文章先驗特征、文本內(nèi)容和圖文序列特征；

對各所述文章先驗特征進行特征交叉處理，得到交叉先驗特征向量；

根據(jù)所述文本內(nèi)容生成所述待識別文章的文檔特征向量；

對各所述圖文序列特征進行加權(quán)處理，得到加權(quán)處理后的圖文序列特征向量；

將所述交叉先驗特征向量、所述文檔特征向量和加權(quán)處理后的所述圖文序列特征向量進行全連接處理，得到所述待識別文章的綜合特征向量；

基于所述綜合特征向量確定所述待識別文章的圖文內(nèi)容質(zhì)量。

一種基于人工智能的圖文內(nèi)容質(zhì)量識別裝置，所述裝置包括：

待識別文章獲取模塊，用于獲取待識別文章，并提取所述待識別文章的文章先驗特征、文本內(nèi)容和圖文序列特征；

交叉先驗特征向量生成模塊，用于對各所述文章先驗特征進行特征交叉處理，得到交叉先驗特征向量；

文檔特征向量生成模塊，用于根據(jù)所述文本內(nèi)容生成所述待識別文章的文檔特征向量；

圖文序列特征向量生成模塊，用于對各所述圖文序列特征進行加權(quán)處理，得到加權(quán)處理后的圖文序列特征向量；

綜合特征向量生成模塊，用于將所述交叉先驗特征向量、所述文檔特征向量和加權(quán)處理后的所述圖文序列特征向量進行全連接處理，得到所述待識別文章的綜合特征向量；

圖文內(nèi)容質(zhì)量確定模塊，用于基于所述綜合特征向量確定所述待識別文章的圖文內(nèi)容質(zhì)量。