[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

说明书

本公开关于一种资源推荐、模型训练方法、装置、设备、存储介质和程序，该方法包括：获取样本多媒体资源的内容特征；根据多个样本账户对样本多媒体资源的操作行为信息，确定多个样本账户各自对应的标签；在多个样本账户中确定至少一个目标账户，根据至少一个目标账户对样本多媒体资源的操作行为信息，确定操作行为序列；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；将多个样本账户各自对应的账户特征、样本多媒体资源的内容特征、操作行为序列以及多媒体资源序列输入到预设神经网络模型进行预测处理，得到各样本账户对应的预测结果；根据各样本账户分别对应的标签和预测结果之间的差异度，训练预设神经网络模型。

技术领域

本公开涉及互联网技术领域，尤其涉及一种资源推荐、模型训练方法、装置、设备、存储介质和程序。

背景技术

随着科技的发展，人们的文娱生活越来越丰富，其中一种文娱生活是浏览文娱平台推荐的视频。一般来说，文娱平台会基于视频推荐模型选择出一些当前用户可能会感兴趣的视频进行推荐。为了使得视频推荐模型能够正常感知当前用户可能会感兴趣的视频是哪些，需要对视频推荐模型进行训练，而训练过程中需要使用大量的训练样本。这些训练样本包括观看过某个样本视频的用户是否对样本视频进行了点赞、转发、评论、分享等行为。对于发布时间较久的老视频来说，有较多的用户观看过老视频，因此能够获得这些用户观看过老视频后的行为，基于这些行为可以更好的对视频推荐模型进行训练。而对于刚刚发布的新视频来说，暂未有足够多的用户观看过新视频，因此难以获得足够多的不同用户观看新视频后产生的行为，进而也就无法提高视频推荐模型对新视频的推荐的性能，最终导致新视频难以被精准的推荐。

发明内容

本公开提供一种资源推荐、模型训练方法、装置、设备、存储介质和程序，以至少解决相关技术中无法提高视频推荐模型对新视频的推荐的性能，导致新视频难以被精准的推荐的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种多媒体资源推荐模型训练方法，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。

可选地，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。