[发明专利]一种用户偏好估计方法及装置有效
申请号: | 202011356494.9 | 申请日: | 2020-11-27 |
公开(公告)号: | CN112579884B | 公开(公告)日: | 2022-11-04 |
发明(设计)人: | 梁涛;张晗;马连洋;衡阵 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F16/9536;G06Q50/00;G06N3/04;G06N3/08 |
代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 李娟 |
地址: | 518044 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用户 偏好 估计 方法 装置 | ||
本申请涉及计算机领域,特别涉及人工智能技术领域,公开了一种用户偏好估计方法及装置,用以提高用户偏好预测准确率,该方法包括:获得待预测的多媒体内容的内容信息;将内容信息输入特征提取子模型,得到内容信息归属类别对应的目标内容特征;将目标内容特征输入偏好估计子模型,获得内容信息的目标用户偏好预测结果,偏好估计子模型和特征提取子模型中的至少一个子模型,是基于分类模型对样本内容信息的预测分类结果和实际归属类别之间的损失、以及基于所述用户偏好模型对样本内容信息的用户偏好预测结果和实际预测结果之间的损失进行参数调整获得的。模型在进行用户偏好估计时,引入多媒体内容归属类别对用户偏好的影响,提高了准确率。
技术领域
本申请涉及计算机领域,特别涉及人工智能技术领域,公开了一种用户偏好估计方法及装置。
背景技术
随着大数据时代的到来,互联网上存在着海量的多媒体内容(如视频、音乐、图像等),使用用户偏好模型对海量的多媒体内容进行用户偏好预测,将预测结果为用户感兴趣的多媒体内容推送给用户。但传统的用户偏好模型只能从多媒体内容的文本信息(如标题、字幕等)或视觉信息(如视频帧等)中提取用户偏好特征,再基于用户偏好特征进行预测用户对多媒体内容是否感兴趣。
可是同一用户对不同类型的多媒体内容的偏好是不同的,不同用户对同一类型的多媒体内容的偏好也是不同的,仅采用上述识别方法,是不能很好地预测出用户对某一类多媒体内容的偏好。
发明内容
本申请实施例提供一种用户偏好估计方法及装置,用以提高用户偏好预测准确率。
本申请实施例提供的一种用户偏好估计方法,基于用户偏好模型对用户偏好进行估计,所述用户偏好模型包括特征提取子模型和偏好估计子模型,所述方法包括:
获得待预测的多媒体内容的内容信息;
将所述内容信息输入所述特征提取子模型,得到所述内容信息归属类别对应的目标内容特征;
将所述目标内容特征输入所述偏好估计子模型,获得所述内容信息的目标用户偏好预测结果,所述偏好估计子模型和所述特征提取子模型之中的至少一个子模型,是基于分类模型对样本内容信息的预测分类结果和实际归属类别之间的损失、以及基于所述用户偏好模型对所述样本内容信息的用户偏好预测结果和实际预测结果之间的损失进行参数调整获得的。
本申请实施例提供的一种用户偏好估计装置,基于用户偏好模型对用户偏好进行估计,装置包括:
获取单元,用于获得待预测的多媒体内容的内容信息;
特征提取单元,用于采用特征提取子模块,根据所述内容信息得到所述内容信息归属类别对应的目标内容特征;
偏好估计单元,用于采用偏好估计子模型,根据所述目标内容特征获得所述内容信息的目标用户偏好预测结果,所述偏好估计子模型和所述特征提取子模型之中的至少一个子模型,是基于分类模型对样本内容信息的预测分类结果和实际归属类别之间的损失、以及基于所述用户偏好模型对所述样本内容信息的用户偏好预测结果和实际预测结果之间的损失进行参数调整获得的。
可选的,所述训练单元用于:
利用所述总损失,确定所述特征提取子模型中权重矩阵的第一梯度,并按照所述第一梯度的方向对所述特征提取子模型的参数进行调整;或者
利用所述总损失,确定所述偏好估计子模型的第二梯度,并按照所述第二梯度的方向对所述偏好估计子模型的参数进行调整;或者
利用所述总损失,确定所述特征提取子模型中权重矩阵的第一梯度和所述用户偏好模型的第二梯度,按照所述第一梯度的方向对所述特征提取子模型的参数进行调整,并按照所述第二梯度的方向所述偏好估计子模型的参数进行调整。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011356494.9/2.html,转载请声明来源钻瓜专利网。