[发明专利]基于多模态的信息推荐方法、系统、介质及设备

说明书

本公开提供了一种基于多模态的信息推荐方法、系统、介质及设备，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；基于相似度和参与度构造微影响者的可胜任度指标；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本公开引入了社交媒体数据的相似度以及社交网络参与度来共同评价微影响者对品牌之间的可胜任度，保证了双方信息数据匹配的准确度。

技术领域

本公开涉及一种基于多模态的信息推荐方法、系统、介质及设备。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

社交媒体在近些年来逐渐演变为了主流媒体。与此同时，社交媒体对商业模式也产生了重要的影响。无处不在的社交媒体使商业可以轻易地与各个社交网络中的用户接触并互动。因此，在今天社交网络被视为一种商业营销的非常有效的途径。

然而，在社交网络急速扩展的同时也诞生了许许多多对用户无用的信息，例如：毫无关系或是不真实的广告，这使用户对广告越来越感到厌恶。所以为了降低用户对广告的怀疑，增加用户的体验感，营销者通常选择借助以人为中心的内容传播渠道，在这一渠道中影响者营销占主导地位。而影响者营销中的社交媒体营销者包括以演员、作家以及音乐家为代表的“名人营销者”，还包括许多“非名人影响者”即微影响者。微影响者被定义为是粉丝数目在5000-100000的社交网络用户，他们拥有高社交网络参与度并对某一领域的产品很了解而值得信赖，适合于为品牌做营销。

然而，从数量巨大的社交网络用户寻找合适的微影响者并不是一件容易的事，这需要花费巨大的时间与精力。缺乏开源数据也制约了这一方向的研究。同时，两种数据(即微影响者和品牌信息)之间如何匹配，如何从海量信息中准确、快速查找和匹配等，都是问题。

发明内容

本公开为了解决上述问题，提出了一种基于多模态的信息推荐方法、系统、介质及设备，本公开引入了社交媒体数据的相似度以及社交网络参与度来共同评价微影响者对品牌之间的可胜任度，保证了双方信息数据匹配的准确度。

根据一些实施例，本公开采用如下技术方案：

一种基于多模态的信息推荐方法，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；

基于相似度和参与度构造微影响者的可胜任度指标；

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。

作为可能的实施例，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。

作为可能的实施例，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。