[發明專利]一種多媒體信息內容提供方法及裝置

在審

• 申請號: 202011559490.0
• 申請日: 2020-12-25
• 公開（公告）號: CN112685578A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 劉亞虹
• 申請（專利權）人: 劉亞虹
• 主分類號: G06F16/435
• 分類號: G06F16/435;G06F16/438;G06N20/00
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 趙小霞

1.一種多媒體信息內容提供方法，其特征在于，所述方法包括：

接收目標賬戶的內容提供請求；

根據所述內容提供請求獲取所述目標賬戶的行為請求信息，將所述目標賬戶的行為請求信息輸入已訓練的興趣模型，得到所述內容提供請求對應的內容特征標簽，并獲得該內容特征標簽對應的召回數據；其中，所述行為請求信息至少包括本次請求操作的類型，所述本次請求操作的類型表征搜索請求行為或推薦請求行為，且當所述本次請求操作的類型表征搜索請求行為時，所述行為請求信息中還包括搜索關鍵詞；所述興趣模型是根據各賬戶的歷史搜索行為數據和歷史瀏覽行為數據訓練得到的，所述興趣模型的輸入為所述目標賬戶的行為請求信息，輸出為所述目標賬戶的興趣標簽，以及各興趣標簽對應的內容特征標簽；

利用已訓練的排序模型，對所述召回數據進行排序，并輸出。

2.如權利要求1所述的方法，其特征在于，所述興趣模型根據如下方式訓練：

基于目標平臺的內容標準知識庫，對所述目標平臺涉及的多媒體信息進行內容理解，得到多媒體信息的內容正排表，所述內容正排表包括各多媒體信息對應的內容特征標簽；所述內容特征標簽包括內容描述的主題詞和相應的內容類目；所述目標平臺涉及的多媒體信息包括推薦請求行為對應的多媒體信息和搜索請求行為對應的多媒體信息；以及，

對所述各賬戶輸入的歷史搜索關鍵詞進行關鍵詞分析，得到關鍵詞特征列表，所述關鍵詞特征列表包括歷史關鍵詞中的主題詞、主題詞類目和主題詞類目等級；

根據所述各賬戶的歷史搜索行為數據對應的關鍵詞特征列表和搜索頻次，以及歷史瀏覽行為數據對應的內容正排表和瀏覽頻次，確定所述各賬戶的興趣標簽；

基于所述各賬戶的興趣標簽和各興趣標簽與多媒體信息的內容特征標簽的對應關系，對待訓練的興趣模型進行特征融合訓練，得到所述目標平臺的興趣模型；其中，所述興趣模型包括所述各賬戶的興趣標簽對應的不同內容類目、相應內容類目對應的主題詞類目和相應主題詞類目等級間的對應關系。

3.如權利要求2所述的方法，其特征在于，基于目標平臺的內容標準知識庫，對所述目標平臺涉及的多媒體信息進行內容理解，得到多媒體信息的內容正排表，包括：

利用所述目標平臺的內容標準知識庫，對所述目標平臺中的內容理解樣本的對應關系進行學習，得到所述目標平臺的內容理解模型；其中，內容理解樣本包括多媒體信息和多媒體信息的預設內容特征標簽；所述內容標準知識庫包括多媒體信息和相應多媒體信息的內容特征標簽的對應關系；

利用學習到的內容理解模型，對所述目標平臺涉及的多媒體信息進行內容理解，得到每個多媒體信息的內容特征標簽，并基于所述每個多媒體信息的內容特征標簽生成內容正排表。

4.如權利要求1所述的方法，其特征在于，所述排序模型根據如下方式訓練：

利用所述各賬戶的歷史搜索行為數據和歷史瀏覽行為數據學習到的所述目標平臺中內容提供服務的服務關系和所述目標平臺中內容提供服務輸入的行為請求數據，從所述目標平臺的服務響應數據庫中篩選出召回數據；其中，所述服務關系是指所述內容提供服務輸入的行為請求數據與召回數據之間的特征匹配關系；

按照預設排序規則，對各召回數據進行排序：

根據排序結果和所述輸入的行為請求數據對應的預設召回數據，調整所述排序模型的模型參數，直至確定所述排序模型的服務準確度達到設定值時，確定訓練出排序模型。

5.如權利要求4所述的方法，其特征在于，按照預設排序規則，對各召回數據進行排序，包括：

按照所述目標平臺關注的業務指標，對各召回數據進行排序。

6.如權利要求1或2所述的方法，其特征在于，得到所述內容提供請求對應的內容特征標簽，并獲得該內容特征標簽對應的召回數據之后，所述方法還包括：

基于所述目標賬戶對所述召回數據的操作行為，以及所述操作行為操作的多媒體信息，獲取所述目標賬戶的興趣標簽和所述操作行為操作的多媒體信息的內容特征標簽的對應關系；

基于所述興趣標簽和所述操作行為操作的多媒體信息的內容特征標簽的對應關系，對所述興趣模型進行更新。