[發明專利]一種信息處理方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202110138145.8
• 申請日: 2021-02-01
• 公開（公告）號: CN114926192A
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 劉沖
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06V20/40;G06V10/82;G06N3/08;G06N3/04
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 李漢亮

本申請實施例公開了一種信息處理方法、裝置及計算機可讀存儲介質，本申請實施例通過獲取用戶特征信息轉化后的用戶特征向量、視頻特征信息轉化后的視頻特征向量以及推廣特征信息轉化后的推廣特征向量；基于視頻特征向量和推廣特征向量分別對用戶特征向量進行注意力融合處理，得到用戶視頻融合向量和用戶推廣融合向量；將用戶特征向量、視頻特征向量、推廣特征向量、用戶視頻融合向量以及用戶推廣融合向量進行拼接，得到聯合向量；根據聯合向量和標簽信息對預設多任務學習模型按照不同的任務類型進行特征加權訓練，得到預設多任務學習模型；顯示目標視頻信息以及與目標視頻信息的關聯度大于預設閾值的目標推廣信息。以此，提升了信息處理的準確性。

技術領域

本申請涉及計算機技術領域，具體涉及一種信息處理方法、裝置及計算機可讀存儲介質。

背景技術

隨著人工智能的不斷發展，推薦系統越來越智能化，例如，在進行廣告或者視頻推薦時，系統可以基于用戶的使用習慣智能的推薦出用戶感興趣的廣告類型或者視頻類型，實現精準的推薦。

但是，傳統的CTR(Click-Through-Rate，點擊率預估)模型，只會推理出用戶要不要點廣告，而不會對廣告關聯的視頻是否喜歡有任何的關聯性推理，如需結合推理則需要再做一個視頻喜好的模型，過程繁瑣且兩者無法聯合處理，因此，如何對多任務推薦類型進行準確的多維度推薦還丞待解決。

發明內容

本申請實施例提供一種信息處理方法、裝置及計算機可讀存儲介質，可以提升信息處理的準確性。

為解決上述技術問題，本申請實施例提供以下技術方案：

一種信息處理方法，包括：

獲取用戶特征信息轉化后的用戶特征向量、視頻特征信息轉化后的視頻特征向量以及推廣特征信息轉化后的推廣特征向量；

基于所述視頻特征向量和推廣特征向量分別對所述用戶特征向量進行注意力融合處理，得到用戶視頻融合向量和用戶推廣融合向量；

將所述用戶特征向量、視頻特征向量、推廣特征向量、用戶視頻融合向量以及用戶推廣融合向量進行拼接，得到聯合向量；

根據所述聯合向量和標簽信息對預設多任務學習模型按照不同的任務類型進行特征加權訓練，得到訓練后的預設多任務學習模型；

顯示目標視頻信息以及與所述目標視頻信息的關聯度大于預設閾值的目標推廣信息，所述目標視頻信息和目標推廣信息為通過所述訓練后的預設多任務學習模型對用戶進行推送得到。

一種信息處理裝置，包括：

獲取單元，用于獲取用戶特征信息轉化后的用戶特征向量、視頻特征信息轉化后的視頻特征向量以及推廣特征信息轉化后的推廣特征向量；

注意力處理單元，用于基于所述視頻特征向量和推廣特征向量分別對所述用戶特征向量進行注意力融合處理，得到用戶視頻融合向量和用戶推廣融合向量；

拼接單元，用于將所述用戶特征向量、視頻特征向量、推廣特征向量、用戶視頻融合向量以及用戶推廣融合向量進行拼接，得到聯合向量；

訓練單元，用于根據所述聯合向量和標簽信息對預設多任務學習模型按照不同的任務類型進行特征加權訓練，得到訓練后的預設多任務學習模型；

顯示單元，用于顯示目標視頻信息以及與所述目標視頻信息的關聯度大于預設閾值的目標推廣信息，所述目標視頻信息和目標推廣信息為通過所述訓練后的預設多任務學習模型對用戶進行推送得到。

在一些實施例中，所述注意力處理單元，包括：

降維子單元，用于通過預設全連接層將所述視頻特征向量和推廣特征向量進行降維，得到預設尺寸的目標視頻特征向量和目標推廣特征向量；