[發明專利]一種內容時效的確定方法、相關裝置、設備以及存儲介質

有效

• 申請號: 202110678752.3
• 申請日: 2021-06-18
• 公開（公告）號: CN113254684B
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 石磊;馬連洋
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/45
• 分類號: G06F16/45;G06F40/126;G06K9/62;H04L29/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 聶秀娜

1.一種內容時效的確定方法，其特征在于，包括：

獲取目標內容的多模態信息集合，其中，所述多模態信息集合包括第一文本信息、圖像信息、附屬文本信息以及音頻信息中的至少兩種；

對所述多模態信息集合進行特征提取，得到多模態特征集合；

基于所述多模態特征集合，通過時效分類網絡獲取目標概率分布向量，其中，所述目標概率分布向量包括P個概率值，所述P個概率值中的每個概率值對應于一個時效標簽，所述P為大于1的整數；其中，所述時效分類網絡為利用深度學習中的多模態融合技術建立的，實現處理和關聯來自多種模態信息的模型，所述深度學習中的多模態融合技術是模型在完成分析和識別任務時處理不同形式的數據的過程；

根據所述目標概率分布向量，確定所述目標內容所對應的目標時效標簽；

其中，所述多模態信息集合包括所述第一文本信息、所述圖像信息以及所述附屬文本信息；所述對所述多模態信息集合進行特征提取，得到多模態特征集合，包括：

針對于所述第一文本信息，對所述第一文本信息進行分詞處理，得到第一文本序列，其中，所述第一文本序列包括至少一個詞語；針對于所述圖像信息，將所述圖像信息轉換為圖像嵌入特征，其中，所述圖像信息包括所述目標內容中的封面圖信息和關鍵幀信息中的至少一種；針對于所述附屬文本信息，生成離散文本序列，其中，所述附屬文本信息包括標簽文本、鏈接地址、賬號信息以及發布時間中的至少一種，所述離散文本序列包括至少一個文本序列；基于目標文本序列、所述圖像嵌入特征以及所述離散文本序列，通過特征提取網絡獲取所述多模態特征集合，其中，所述目標文本序列包括所述第一文本序列。

2.根據權利要求1所述的確定方法，其特征在于，所述多模態信息集合還包括所述音頻信息；

所述方法還包括：

針對于所述音頻信息，通過語音識別網絡獲取所述音頻信息所對應的目標文本信息；

對所述目標文本信息進行分詞處理，得到第二文本序列，其中，所述第二文本序列包括至少一個詞語；

對所述第一文本序列以及所述第二文本序列進行拼接處理，得到所述目標文本序列。

3.根據權利要求1所述的確定方法，其特征在于，所述基于目標文本序列、所述圖像嵌入特征以及所述離散文本序列，通過特征提取網絡獲取所述多模態特征集合，包括：

基于所述目標文本序列，通過第一特征提取子網絡獲取文本模態特征，其中，所述第一特征提取子網絡屬于所述特征提取網絡，所述文本模態特征屬于所述多模態特征集合；

基于所述圖像嵌入特征，通過第二特征提取子網絡獲取圖像模態特征，其中，所述第二特征提取子網絡屬于所述特征提取網絡，所述圖像模態特征屬于所述多模態特征集合；

基于所述離散文本序列，通過第三特征提取子網絡獲取離散模態特征，其中，所述第三特征提取子網絡屬于所述特征提取網絡，所述離散模態特征屬于所述多模態特征集合。

4.根據權利要求3所述的確定方法，其特征在于，所述基于所述目標文本序列，通過第一特征提取子網絡獲取文本模態特征，包括：

基于所述目標文本序列，通過所述第一特征提取子網絡所包括的詞嵌入層，獲取M個詞嵌入向量，其中，所述目標文本序列包括M個詞語，每個詞語對應于一個詞嵌入向量，所述M為大于或等于1的整數；

基于所述M個詞嵌入向量，通過所述第一特征提取子網絡所包括的文本特征提取網絡，獲取第一文本特征；

基于所述第一文本特征，通過所述第一特征提取子網絡所包括的注意力網絡，獲取所述文本模態特征。