[发明专利]媒体资源的处理方法和装置、存储介质及电子装置

说明书

本发明公开了一种媒体资源的处理方法和装置、存储介质及电子装置。其中，该方法包括：获取待推荐的目标媒体资源的特征序列，其中，特征序列包括目标媒体资源的目标图片特征和目标文字特征；使用目标模型对特征序列进行处理，确定目标媒体资源为目标类别的媒体资源，其中，目标模型为使用样本媒体资源的特征序列通过机器学习对初始模型进行训练得到的模型，样本媒体资源的特征序列包括样本媒体资源的图片特征和文字特征；对目标媒体资源进行处理。本发明解决了相关技术中对媒体资源识别的准确度较低的技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种媒体资源的处理方法和装置、存储介质及电子装置。

背景技术

如今，为了吸引更多用户参与，很多终端应用的开发商会在终端应用中为用户推荐媒体资源(如，文章)，以提高用户对终端应用的兴趣。其中，在推荐媒体资源之前，往往需要先识别待推荐的媒体资源是否为垃圾媒体资源。

目前，对上述待推荐的媒体资源进行识别时，通常是基于人为规定的规则，来去除在规则范围内的垃圾媒体资源。如，上述规则可以为用于指示文章中所包含的广告的数量，在上述广告的数量大于预定阈值时，则将上述文章识别为垃圾文章。

然而，随着待推荐的媒体资源的数量增加，人为规定的规则的数量也需随之增加，但上述人为规定的规则往往无法覆盖垃圾媒体资源中所有的情况，从而导致对媒体资源识别的准确度较低的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种媒体资源的处理方法和装置、存储介质及电子装置，以至少解决相关技术中对媒体资源识别的准确度较低的技术问题。

根据本发明实施例的一个方面，提供了一种媒体资源的处理方法，包括：获取待推荐的目标媒体资源的特征序列，其中，特征序列包括目标媒体资源的目标图片特征和目标文字特征；使用目标模型对特征序列进行处理，确定目标媒体资源为目标类别的媒体资源，其中，目标模型为使用样本媒体资源的特征序列通过机器学习对初始模型进行训练得到的模型，样本媒体资源的特征序列包括样本媒体资源的图片特征和文字特征；对目标媒体资源进行处理。

根据本发明实施例的另一方面，还提供了一种媒体资源的处理装置，包括：第一获取单元，用于获取待推荐的目标媒体资源的特征序列，其中，特征序列包括目标媒体资源的目标图片特征和目标文字特征；确定单元，用于使用目标模型对特征序列进行处理，确定目标媒体资源为目标类别的媒体资源，其中，目标模型为使用样本媒体资源的特征序列通过机器学习对初始模型进行训练得到的模型，样本媒体资源的特征序列包括样本媒体资源的图片特征和文字特征；处理单元，用于对目标媒体资源进行处理。

根据本发明实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的方法。

在本发明实施例中，获取了待推荐的目标媒体资源的特征序列，然后基于目标模型对上述特征序列进行处理，以确定目标媒体资源是目标类别的媒体资源，其中，目标模型为使用样本媒体资源的特征序列通过机器学习对初始模型进行训练得到的模型，样本媒体资源的特征序列包括样本媒体资源的图片特征和文字特征。因此，实现了通过机器学习训练得到的模型对目标媒体资源进行识别，以确定目标媒体资源是否是目标类别的媒体资源，而通过机器学习确定的模型可以全面的考虑导致成为垃圾媒体资源的因素，而不是再通过人为规定的规则进行识别，从而提高了识别垃圾媒体资源的准确度，进而解决了相关技术中对媒体资源识别的准确度较低的技术问题。

附图说明