[發(fā)明專(zhuān)利]模型訓(xùn)練方法、模型使用方法、裝置、存儲(chǔ)介質(zhì)及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110185069.6
• 申請(qǐng)日: 2021-02-10
• 公開(kāi)（公告）號(hào): CN112905839A
• 公開(kāi)（公告）日: 2021-06-04
• 發(fā)明（設(shè)計(jì)）人: 宋治勛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京有竹居網(wǎng)絡(luò)技術(shù)有限公司
• 主分類(lèi)號(hào): G06F16/735
• 分類(lèi)號(hào): G06F16/735;G06F16/78;G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京遠(yuǎn)智匯知識(shí)產(chǎn)權(quán)代理有限公司 11659
• 代理人: 范坤坤

1.一種模型訓(xùn)練方法，其特征在于，包括：

確定目標(biāo)視頻樣本和用戶(hù)樣本，其中，所述用戶(hù)樣本包括所述目標(biāo)視頻樣本對(duì)應(yīng)的已推薦用戶(hù)；

獲取所述用戶(hù)樣本針對(duì)所述目標(biāo)視頻樣本之前出現(xiàn)的已推薦視頻的歷史行為數(shù)據(jù)樣本，并根據(jù)所述歷史行為數(shù)據(jù)樣本確定對(duì)應(yīng)的目標(biāo)歷史視頻樣本；

根據(jù)所述目標(biāo)歷史視頻樣本的特征數(shù)據(jù)、所述目標(biāo)視頻樣本的特征數(shù)據(jù)、以及所述用戶(hù)樣本針對(duì)所述目標(biāo)視頻樣本的行為數(shù)據(jù)確定訓(xùn)練樣本集；

采用所述訓(xùn)練樣本集對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到針對(duì)待推薦視頻的用戶(hù)行為預(yù)測(cè)模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述行為包括選擇推薦視頻；

所述獲取所述用戶(hù)樣本針對(duì)所述目標(biāo)視頻樣本之前出現(xiàn)的已推薦視頻的歷史行為數(shù)據(jù)樣本，并根據(jù)所述歷史行為數(shù)據(jù)樣本確定對(duì)應(yīng)的目標(biāo)歷史視頻樣本，包括：

獲取所述用戶(hù)樣本針對(duì)所述目標(biāo)視頻樣本之前出現(xiàn)的已推薦視頻的歷史選擇情況數(shù)據(jù)樣本；

根據(jù)所述歷史選擇情況數(shù)據(jù)樣本確定所述用戶(hù)樣本在所述目標(biāo)視頻樣本出現(xiàn)之前最近選擇過(guò)的第一預(yù)設(shè)數(shù)量的歷史視頻樣本，得到目標(biāo)歷史視頻樣本。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述目標(biāo)歷史視頻樣本的特征數(shù)據(jù)、所述目標(biāo)視頻樣本的特征數(shù)據(jù)、以及所述用戶(hù)樣本針對(duì)所述目標(biāo)視頻樣本的行為數(shù)據(jù)確定訓(xùn)練樣本集，包括：

針對(duì)每個(gè)目標(biāo)歷史視頻樣本，獲取當(dāng)前目標(biāo)歷史視頻樣本中的第二預(yù)設(shè)數(shù)量的歷史視頻幀數(shù)據(jù)；

獲取所述目標(biāo)視頻樣本中的第三預(yù)設(shè)數(shù)量的目標(biāo)視頻幀數(shù)據(jù)；

根據(jù)所述歷史視頻幀數(shù)據(jù)和所述目標(biāo)視頻幀數(shù)據(jù)確定訓(xùn)練樣本數(shù)據(jù)，根據(jù)所述用戶(hù)樣本是否選擇所述目標(biāo)視頻樣本確定所述訓(xùn)練樣本數(shù)據(jù)對(duì)應(yīng)的樣本標(biāo)簽，得到訓(xùn)練樣本集。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第二預(yù)設(shè)數(shù)量小于所述第三預(yù)設(shè)數(shù)量，所述歷史視頻幀數(shù)據(jù)包括歷史視頻封面幀數(shù)據(jù)。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用所述訓(xùn)練樣本集對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到針對(duì)待推薦視頻的用戶(hù)行為預(yù)測(cè)模型，包括：

將所述歷史視頻幀數(shù)據(jù)輸入至預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型中的第一圖像特征提取網(wǎng)絡(luò)中，得到相應(yīng)的歷史視頻圖像特征；

將所述目標(biāo)視頻幀數(shù)據(jù)輸入至所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型中的第二圖像特征提取網(wǎng)絡(luò)中，得到相應(yīng)的目標(biāo)視頻圖像特征；

按照時(shí)序排列的歷史視頻圖像特征和按照時(shí)序排列的目標(biāo)視頻圖像特征經(jīng)由所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型中的特征融合網(wǎng)絡(luò)，輸出對(duì)應(yīng)的融合特征，其中，所述特征融合網(wǎng)絡(luò)基于歷史視頻圖像特征自身的內(nèi)部相關(guān)性、目標(biāo)視頻圖像特征自身的內(nèi)部相關(guān)性、以及歷史視頻圖像特征和目標(biāo)視頻圖像特征之間的相關(guān)性進(jìn)行特征融合；

所述融合特征經(jīng)由所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型中的預(yù)設(shè)網(wǎng)絡(luò)輸出所述用戶(hù)樣本選擇所述目標(biāo)視頻樣本的預(yù)測(cè)值；

根據(jù)所述預(yù)測(cè)值和對(duì)應(yīng)的樣本標(biāo)簽計(jì)算損失函數(shù)，并基于所述損失函數(shù)對(duì)所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行調(diào)整，得到針對(duì)待推薦視頻的用戶(hù)行為預(yù)測(cè)模型。

6.根據(jù)權(quán)利要求1-5任一所述的方法，其特征在于，所述待推薦視頻包括短視頻平臺(tái)中的待推薦廣告視頻，所述用戶(hù)行為預(yù)測(cè)模型包括點(diǎn)擊通過(guò)率預(yù)測(cè)模型。

7.一種模型使用方法，其特征在于，包括：

獲取待推薦視頻的特征數(shù)據(jù)；

將所述待推薦視頻的特征數(shù)據(jù)輸入至針對(duì)待推薦視頻的用戶(hù)行為預(yù)測(cè)模型中，其中，所述針對(duì)待推薦視頻的用戶(hù)行為預(yù)測(cè)模型采用如權(quán)利要求1-6任一所述的方法得到；

根據(jù)所述針對(duì)待推薦視頻的用戶(hù)行為預(yù)測(cè)模型的輸出結(jié)果預(yù)測(cè)當(dāng)前用戶(hù)針對(duì)所述待推薦視頻的用戶(hù)行為。