[发明专利]资源推荐、模型训练方法、装置、设备、存储介质和程序

权利要求书

1.一种多媒体资源推荐模型训练方法，其特征在于，包括：

获取样本多媒体资源的内容特征，所述样本多媒体资源是指发布时间与当前时间之间的时长小于预设阈值的多媒体资源；

确定操作过所述样本多媒体资源的多个样本账户对所述样本多媒体资源的操作行为信息；

根据所述多个样本账户对所述样本多媒体资源的操作行为信息，确定所述多个样本账户各自对应的标签，所述标签用于指示对应的样本账户对所述样本多媒体资源是否产生目标操作行为；

在所述多个样本账户中确定至少一个目标账户，根据所述至少一个目标账户对所述样本多媒体资源的操作行为信息，确定操作行为序列，所述目标账户是指对所述样本多媒体资源的操作行为满足第一预设条件的账户；

根据各目标账户分别操作过的多个目标多媒体资源，确定多媒体资源序列，其中，所述目标多媒体资源是指对应的目标账户在预设历史时间段内操作过的多媒体资源中满足第二预设条件的多媒体资源；

将所述多个样本账户各自对应的账户特征、所述样本多媒体资源的内容特征、所述操作行为序列以及所述多媒体资源序列输入到预设神经网络模型进行预测处理，得到各所述样本账户对应的预测结果，所述预测结果用于指示对应的样本账户对所述样本多媒体资源产生所述目标操作行为的概率；

根据各所述样本账户分别对应的标签和预测结果之间的差异度，训练所述预设神经网络模型直至满足预设的训练结束条件，以获得多媒体资源推荐模型。

2.根据权利要求1所述的方法，其特征在于，所述获取样本多媒体资源的内容特征，包括：

提取预设的多媒体资源处理模型中的中间网络层输出的特征，所述多媒体资源处理模型以所述样本多媒体资源作为输入；

将提取到的特征确定为所述样本多媒体资源的内容特征。

3.根据权利要求1所述的方法，其特征在于，所述将所述多个样本账户各自对应的账户特征、所述样本多媒体资源的内容特征、所述操作行为序列以及所述多媒体资源序列输入到预设神经网络模型进行预测处理，得到各所述样本账户对应的预测结果，包括：

通过预设神经网络模型中的多个第一网络层，对所述操作行为序列进行聚合处理，得到操作行为特征；

通过所述预设神经网络模型中的多个第二网络层，对所述多媒体资源序列进行聚合处理，得到多媒体资源特征；

将所述多个样本账户各自对应的账户特征、所述样本多媒体资源的内容特征、所述操作行为特征以及所述多媒体资源特征输入到所述预设神经网络模型中的多个第三网络层，得到各所述样本账户对应的预测结果。

4.根据权利要求3所述的方法，其特征在于，所述多个第一网络层采用多头注意力机制，对所述操作行为序列进行聚合处理；

所述多个第二网络层采用多头注意力机制，对所述多媒体资源序列进行聚合处理。

5.一种多媒体资源推荐方法，其特征在于，包括：

获取待推荐多媒体资源的内容特征，所述待推荐多媒体资源是指发布时间与当前时间之间的时长小于预设阈值的多媒体资源；

在操作过所述待推荐多媒体资源的多个参考账户中确定至少一个目标账户，根据所述至少一个目标账户对所述待推荐多媒体资源的操作行为信息，确定操作行为序列，所述目标账户是指对所述待推荐多媒体资源的操作行为满足第一预设条件的账户；

获取多媒体资源特征，其中，所述多媒体资源特征是基于各目标账户分别操作过的多个目标多媒体资源确定出的，所述目标多媒体资源是指对应的目标账户在预设历史时间段内操作过的多媒体资源中满足第二预设条件的多媒体资源；

将待推荐账户对应的账户特征、所述待推荐多媒体资源的内容特征、所述操作行为序列以及所述多媒体资源特征输入到多媒体资源推荐模型进行预测处理，得到所述待推荐账户对应的预测结果，所述预测结果用于指示所述待推荐账户对所述待推荐多媒体资源产生目标操作行为的概率；

基于所述待推荐账户对应的预测结果，对所述待推荐多媒体资源进行推荐。