[發明專利]多媒體資源的特征確定方法、裝置、電子設備和存儲介質

在審

• 申請號: 202011322352.0
• 申請日: 2020-11-23
• 公開（公告）號: CN112364185A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 張志偉;吳麗軍
• 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;G06F16/48
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 王英

本公開提供多媒體資源的特征確定方法、裝置、電子設備和存儲介質，包括：獲取目標多媒體資源的期望排序區間以及提取各特征類別分別對應的第一特征值；所述目標多媒體資源為推薦排序錯誤的多媒體資源；依據期望排序區間，在特征類別集中查找滿足篩選條件的候選特征類別，從候選特征類別的值域中選取n個不同于候選特征類別的第一特征值的候選特征值，并分別采用候選特征值對第一特征值進行替換，得到n個新的特征類別集；采用n個新的特征類別集，重新對目標多媒體資源進行排序處理，得到與每個新的特征類別集對應的排序值；若存在至少一個排序值在期望排序區間內，則確定候選特征類別為尋找的目標特征類別并輸出。故此，節省了大量的時間和人力。

技術領域

本發明涉及信息處理技術領域，特別涉及一種多媒體資源的特征確定方法、裝置、電子設備和存儲介質。

背景技術

近來，機器學習在視頻圖像、語音識別、自然語言處理等相關領域得到了廣泛應用。由于其超強的擬合能力以及端到端的全局優化能力，使得機器學習在大規模數據場景下相比于傳統的數理分析的方法更具有魯棒性。在眾多的機器學習算法中，基于樹模型的算法由于其的可解釋性、速度快等特點被廣泛應用在線上系統中。雖然現在樹模型已經具有比較強的可解釋性，但是對于單一樣本的調試工作依然相對來說比較復雜，尤其是對于排序模型來說。

以視頻搜索為例，在對一個搜索詞下的一組視頻進行排序的時候，我們需要對這組視頻給予正確的順序并按照正確的順序進行排序，然后展示給用戶。但是，排序模型有時并不一定按照真實的需求對樣本進行排序。例如，如圖1所示，在進行關鍵詞搜索時，頁面中出現4個視頻，分別為視頻1、視頻2、視頻3和視頻4。若視頻2和搜索的關鍵詞任何關系時，此時視頻2的排序為錯誤的。所以，需要把視頻2的順序進行調整。

由于多媒體資源的排序順序是由該多媒體資源的各特征的特征值來決定的，所以，需要對該多媒體資源的需要調整的特征進行定位。

現有技術中，是技術人員手動進行查找排序錯誤的多媒體資源中的需要調整的特征，會導致浪費大量的時間和精力。因此，急需一種新的方法來解決上述問題。

發明內容

本公開提供一種多媒體資源的特征確定方法、裝置、設備和存儲介質，用于解決現有技術中由于需要手動進行查找多媒體資源中需要被調整的特征而導致浪費大量的時間和精力的問題。

第一方面，本公開提供一種多媒體資源的確定方法，在基于搜索條件推薦多媒體資源時，用于進行推薦排序的特征類別集中包括多個特征類別，每個特征類別在值域上被劃分為多個取值區間段，所述方法包括：

當基于搜索條件獲得的多媒體資源序列中存在推薦排序錯誤的任一目標多媒體資源時，獲取所述目標多媒體資源的期望排序區間以及從所述目標多媒體資源中提取的各個所述特征類別分別對應的第一特征值；

依據所述期望排序區間，在所述目標多媒體資源的特征類別集中查找第一指定數量的滿足篩選條件的候選特征類別，所述篩選條件包括：候選特征類別的至少一個取值區間段包含在所述期望排序區間內；

針對所述目標多媒體資源的每個候選特征類別分別執行：

從所述候選特征類別的值域中選取n個不同于所述候選特征類別的所述第一特征值的候選特征值，并分別采用所述候選特征值對所述第一特征值進行替換處理，得到所述目標多媒體資源的n個新的特征類別集；其中，n為正整數；

采用所述n個新的特征類別集，重新對所述目標多媒體資源進行排序處理，得到所述目標多媒體資源的與每個新的特征類別集對應的排序值；

若存在至少一個排序值在所述目標多媒體資源的所述期望排序區間內，則確定所述候選特征類別為尋找的目標特征類別并輸出。