[发明专利]一种信息处理方法、装置和存储介质

说明书

本发明公开了一种信息处理方法，包括：确定至少一个评论的图像数据；运用预设的图像识别模型识别所述至少一个评论中各评论的图像数据，确定各评论对应的美学评分；其中，所述美学评分表征图像数据的美感程度；所述预设的图像识别模型基于训练样本集和孪生网络训练得到；根据所述至少一个评论中各评论对应的所述美学评分，确定所述至少一个评论中各评论的评分结果；根据所述至少一个评论中各评论的评分结果，对所述至少一个评论进行排序。本发明还公开了一种信息处理装置和存储介质。

技术领域

本发明涉及互联网技术，尤其涉及一种信息处理方法、装置和计算机可读存储介质。

背景技术

电商平台中，“商品评论”板块能够为消费者提供真实的经验评价信息。在海量的评论中，如果电商平台能够筛选出优质的评论进行排序展示，将极大减少消费者的浏览时间，同时一条有吸引力的评论更加能够刺激消费者的购买欲望。

目前电商平台的评论区排序系统考虑了多种用户信息、评论文本的信息进行综合加权排序，却缺少对图像的美感因素的考量。

发明内容

有鉴于此，本发明的主要目的在于提供一种信息处理方法、装置和计算机可读存储介质。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种信息处理方法，所述方法包括：

确定至少一个评论的图像数据；

运用预设的图像识别模型识别所述至少一个评论中各评论的图像数据，确定各评论对应的美学评分；其中，所述美学评分表征图像数据的美感程度；所述预设的图像识别模型基于训练样本集和孪生网络训练得到；

根据所述至少一个评论中各评论对应的所述美学评分，确定所述至少一个评论中各评论的评分结果；

根据所述至少一个评论中各评论的评分结果，对所述至少一个评论进行排序。

上述方案中，所述方法还包括：生成预设的图像识别模型；所述生成预设的图像识别模型，包括：

获取所述训练样本集；所述训练样本集包括至少一个训练样本；所述至少一个训练样本中各训练样本包括第一训练样本图像和第二训练样本图像；所述第一训练样本图像和所述第二训练样本图像对应有不同的标签；

将所述训练样本集中各训练样本输入孪生网络，对所述孪生网络进行学习训练，获得所述图像识别模型。

上述方案中，所述孪生网络包括共享权值的第一神经网络和第二神经网络；

所述将所述训练样本集中各训练样本输入孪生网络，对所述孪生网络进行学习训练，包括：

将各训练样本包括的第一训练样本图像和第二训练样本图像分别输入所述第一神经网络和所述第二神经网络，得到第一分数和第二分值；

基于各训练样本对应的第一分值和第二分值，对所述第一神经网络和所述第二神经网络进行迭代训练，得到训练后的第一神经网络和训练后的第二神经网络；

将训练后的所述第一神经网络和训练后的所述第二神经网络中的任一作为所述图像识别模型。

上述方案中，所述训练样本集包括至少一种类目和每个所述类目对应的至少一个训练样本；

所述将训练后的所述第一神经网络和训练后的所述第二神经网络中的任一作为所述图像识别模型，包括：

从所述训练后的第一神经网络和训练后的第二神经网络中选择任一作为预训练模型；

获取调优数据集，根据所述调优数据集对所述预训练模型进行二次训练，得到二次训练后的所述预训练模型，作为所述图像识别模型；