[發明專利]一種確定內容相似度方法和基于相似度的內容推薦方法

在審

• 申請號: 202110779922.7
• 申請日: 2021-07-09
• 公開（公告）號: CN113378064A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 黃彥華;王維堃;張雷;徐瑞文
• 申請（專利權）人: 小紅書科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06F40/194
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 徐穎聰

1.一種確定內容相似度的方法，用于電子設備，其特征在于，所述方法包括：

確定第一內容和第二內容；

從所述第一內容中提取第一標準特征組，以及從所述第二內容中提取第二標準特征組，其中，所述第一/第二標準特征組是用于描述所述第一/第二內容中包括的至少部分圖像信息和/或文本信息的向量組；

確定與所述第一內容和所述第二內容關聯的標簽，其中，所述標簽是基于所述第一內容和所述第二內容的用戶的交互確定的所述第一內容和所述第二內容的交互關聯度；

對于所述第一標準特征組、所述第二標準特征組，進行MLP處理，得到第一向量、第二向量；以及

根據所述第一向量、所述第二向量，以及所述標簽，計算所述第一內容和所述第二內容的相似度。

2.根據權利要求1所述的方法，其特征在于，當大于等于預設個所述用戶與所述第一內容交互并且與所述第二內容交互時，所述標簽數值為1，否則所述標簽數值為0。

3.根據權利要求2所述的方法，其特征在于，所述MLP處理，包括：

所述第一標準特征組和所述第二標準特征組分別通過MLP做非線性變換和壓縮處理得到所述第一向量、所述第二向量。

4.根據權利要求3所述的方法，其特征在于，計算所述第一內容和所述第二內容的相似度，包括：

將所述標簽的數值應用到計算所述第一向量和所述第二向量之間的相似概率的計算公式，得到所述第一內容和第二內容的相似度。

5.根據權利要求4所述的方法，其特征在于，所述第一向量和所述第二向量之間的相似概率，如下式所示：

p(label|v_A,v_B)＝[\sigma(8*function(v_A,v_B)]^label*[1-\sigma(8*function(v_A,v_B)]^[1-label]；

其中，p表示所述第一向量和所述第二向量之間的相似概率；label表示所述標簽；v_A表示所述第一向量；v_B表示所述第二向量；\sigma表示sigmoid函數；function(v_A,v_B)表示所述第一向量和所述第二向量之間的相似度的函數。

6.根據權利要求5所述的方法，其特征在于，所述function函數可以是所述第一向量和所述第二向量之間的余弦值、所述第一向量和所述第二向量之間的內積、所述第一向量和所述第二向量的差值的范數中的一種。

7.根據權利要求1所述的方法，其特征在于，所述交互是指所述用戶針對所述第一內容和所述第二內容均實施了預設的交互行為，所述預設的交互行為至少包括以下一種行為：

點擊，瀏覽，點贊，收藏，評論，發彈幕，加分享，關注作者，瀏覽時長超過一定閾值，進入作者個人頁。

8.根據權利要求1所述的方法，其特征在于，從所述第一內容中提取第一標準特征組，以及從所述第二內容中提取第二標準特征組，包括：

分別從所述第一內容和所述第二內容中提取第一初始特征組、第二初始特征組，其中，所述第一初始特征組包括所述第一內容的第一初始圖片，所述第一內容的第一初始文字；所述第二初始特征組包括所述第二內容的第二初始圖片，所述第二內容的第二初始文字；

對所述第一初始特征組和所述第二初始特征組進行特征提取的預處理得到所述第一標準特征組和所述第二標準特征組。

9.根據權利要求8所述的方法，其特征在于，所述預處理包括：

將所述第一初始圖片和所述所述第一初始文字分別輸入到Inception-V3模型和BERT模型進行處理，得到所述第一標準特征組；

將所述第二初始圖片和所述所述第二初始文字分別輸入到所述Inception-V3模型和所述BERT模型進行處理，得到所述第二標準特征組。

10.根據權利要求9所述的方法，其特征在于，分別從所述第一內容和所述第二內容中提取以下中的至少一種作為所述第一初始圖片或所述第二初始圖片：靜態圖片、視頻的某幀、動圖的某幀。