[发明专利]基于多模态的信息推荐方法、系统、介质及设备

权利要求书

1.一种基于多模态的信息推荐方法，其特征是：包括以下步骤：

获取品牌信息和微影响者信息数据集合；

利用集合中的账户历史数据学习多模态社交账户表示；利用集合中的账户历史数据学习多模态社交账户表示的具体过程包括：

从每个账户中随机选出N条推文来学习多模态社交账户表示；

对历史信息做池化操作；

进行文本和图像关联，得到最终的表示；

基于相似度和参与度构造微影响者的可胜任度指标；

通过所述推文学习出账户的表示向量，将推文中的文本信息与图像信息融合，将多个推文融合；

利用每个账户的多模态历史数据和已有的品牌与微影响者之间的可胜任度，计算得到设定品牌与任意微影响者的可胜任度，选择可胜任度在设定范围内的微影响者信息进行推荐或显示；

通过社交媒体上的多模态历史数据为品牌与微影响者做可胜任性打分，引入队列排序的思想进行建模以计算可胜任性打分，基于品牌集合以及微影响者集合，对于每个品牌，表示其与所有微影响者的可胜任性打分的标签，对每个品牌进行打分。

2.如权利要求1所述的一种基于多模态的信息推荐方法，其特征是：获取数据集合的过程包括：

从品牌列表中筛选出符合设定要求的品牌；从一个显示一段时间内各类别最热门的推文话题的网站中选出与所需品牌类别相关的热门推文话题，构成品牌列表；

根据已构建好的品牌列表，爬取每个品牌账户下的推文，爬取的信息包括推文的文本、图片、点赞数、评论数以及账户的粉丝数；

从品牌账户下的推文中显示相关的账户里筛选出符合要求的微影响者，构成微影响者的数据集合。

3.如权利要求1所述的一种基于多模态的信息推荐方法，其特征是：所述池化操作包括平均池化与加权池化，在同一维度进行。

4.如权利要求1所述的一种基于多模态的信息推荐方法，其特征是：所述可胜任度指标包括参与度与相似度两个因素，其中，参与度表示某微影响者为某品牌做推广时的效果值，相似度表示品牌与微影响者的特征之间的相似度。

5.如权利要求1所述的一种基于多模态的信息推荐方法，其特征是：利用k篮子抽样算法来优化损失函数。

6.一种基于多模态的信息推荐系统，其特征是：包括：

原始集合模块，被配置为获取品牌信息和微影响者信息数据集合；

多模态模块，被配置为利用集合中的账户历史数据学习多模态社交账户表示；通过推文学习出账户的表示向量，将推文中的文本信息与图像信息融合，将多个推文融合；

指标构造模块，被配置为基于相似度和参与度构造微影响者的可胜任度指标；

推荐模块，被配置为根据指标，结合每个账户的多模态历史数据和已有的品牌与微影响者之间的可胜任度，计算得到设定品牌与任意微影响者的可胜任度，选择可胜任度在设定范围内的微影响者信息进行推荐或显示。

7.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-5中任一项所述的一种基于多模态的信息推荐方法。

8.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如权利要求1-5中任一项所述的一种基于多模态的信息推荐方法。