[发明专利]生成视频的分类信息的方法、装置、电子设备和介质

权利要求书

1.一种生成视频的分类信息的方法，包括：

提取目标视频的特征信息；

将所述目标视频输入预先训练的用户反馈预测模型，得到所述目标视频对应的用户反馈信息，其中，所述用户反馈预测模型用于表征视频和用户反馈信息的对应关系，所述用户反馈预测模型是未经训练或未训练完成的CTR预估模型；

所述用户反馈预测模型通过以下方式得到：

获取训练样本集合，所述训练样本集合中的训练样本包括样本视频和样本视频对应的用户反馈信息，

基于所述训练样本集合对所述CTR预估模型进行训练，得到用户反馈预测模型，其中，所述基于所述训练样本集合对所述CTR预估模型进行训练，得到用户反馈预测模型包括：

对于所述训练样本集合中的每个训练样本，将所述训练样本包括的样本视频作为输入，将所述样本视频对应的用户反馈信息作为期望输出，对所述CTR预估模型进行训练；

基于预设的损失函数和反向传播算法对所述CTR预估模型进行训练，其中，所述损失函数用于表征所述CTR预估模型的输出与所述用户反馈信息的误差值；

响应于所述误差值不满足训练停止条件，通过梯度下降算法、反向传播算法或误差逆传播算法调整所述CTR预估模型的参数值；

响应于所述误差值满足所述训练停止条件，将所述CTR预估模型确定为用户反馈预测模型；

将所述特征信息和所述用户反馈信息融合后输入预先训练的视频分类模型，得到所述目标视频对应的分类信息。

2.根据权利要求1所述的方法，其中，所述训练样本集合中的训练样本所包含的样本视频的观看量大于预设阈值。

3.根据权利要求1所述的方法，其中，所述特征信息为特征向量，所述用户反馈信息为用户反馈向量；以及

所述将所述特征信息和所述用户反馈信息融合后输入预先训练的视频分类模型，包括：

将所述特征向量和所述用户反馈向量进行拼接后输入预先训练的视频分类模型。

4.根据权利要求1-3中任一所述的方法，其中，所述方法还包括：

基于目标用户的属性信息与目标视频集合中视频的分类信息，选取与所述目标用户匹配度最高的预设数量的视频作为推荐视频；

将所述推荐视频推送到所述目标用户对应的终端。

5.一种生成视频的分类信息的装置，包括：

提取单元，被配置成提取目标视频的特征信息；

用户反馈信息生成单元，被配置成将所述目标视频输入预先训练的用户反馈预测模型，得到所述目标视频对应的用户反馈信息，其中，所述用户反馈预测模型用于表征视频和用户反馈信息的对应关系，所述用户反馈预测模型是未经训练或未训练完成的CTR预估模型；

分类信息生成单元，被配置成将所述特征信息和所述用户反馈信息融合后输入预先训练的视频分类模型，得到所述目标视频对应的分类信息；

所述用户反馈预测模型通过以下方式得到：

获取训练样本集合，所述训练样本集合中的训练样本包括样本视频和样本视频对应的用户反馈信息，

基于所述训练样本集合对所述CTR预估模型进行训练，得到用户反馈预测模型，其中，所述基于所述训练样本集合对所述CTR预估模型进行训练，得到用户反馈预测模型包括：

对于所述训练样本集合中的每个训练样本，将所述训练样本包括的样本视频作为输入，将所述样本视频对应的用户反馈信息作为期望输出，对所述CTR预估模型进行训练；

基于预设的损失函数和反向传播算法对所述CTR预估模型进行训练，其中，所述损失函数用于表征所述CTR预估模型的输出与所述用户反馈信息的误差值；

响应于所述误差值不满足训练停止条件，通过梯度下降算法、反向传播算法或误差逆传播算法调整所述CTR预估模型的参数值；

响应于所述误差值满足所述训练停止条件，将所述CTR预估模型确定为用户反馈预测模型。

6.根据权利要求5所述的装置，其中，所述训练样本集合中的训练样本所包含的样本视频的观看量大于预设阈值。