[发明专利]数据处理方法、设备及可读存储介质

说明书

本申请公开了一种数据处理方法、设备及可读存储介质，该方法包括：获取第一样本对象针对每个第一样本媒体数据分别对应的通用属性特征以及第一未来属性特征，在初始判别器中根据通用属性特征以及第一未来属性特征，输出第一样本对象针对每个第一样本媒体数据的第一触发概率，在初始判别器中输出针对由初始生成器所提供的候选样本媒体数据的第二触发概率；根据第一触发概率和第二触发概率，调整初始对抗网络的模型参数，得到目标对抗网络。采用本申请，可以减少概率预测模型的运行时间以及提高推荐的候选媒体数据质量。本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。

技术领域

本申请涉及互联网技术领域，尤其涉及一种数据处理方法、设备及可读存储介质。

背景技术

随着数字化时代的来临，阅读对象对于阅读内容的关联推荐效果有着越来越高的要求标准。关联推荐应用于数据库、多媒体数据观看、出行路线分析等场景，是人工智能模型以及计算机深度学习中的常见操作。常用的关联推荐模型包括基于协同过滤以及逻辑回归等传统方法的推荐算法、利用深度学习排序算法以及强化学习算法的推荐算法和掩码语言模型(MLM，Masked Language Model)。

当前常用的关联推荐模型，具有广泛的涵盖面，可以提供多类型目标媒体数据的关联推荐媒体数据，目前通常都是基于一些热点内容进行媒体数据的关联推荐，这样就会导致所推荐的媒体数据的类型过于单一，降低了推荐质量。

发明内容

本申请实施例提供一种数据处理方法、设备及可读存储介质，可以丰富所推荐的媒体数据的类型，提高推荐质量。

本申请实施例一方面提供了一种数据处理方法，包括：

根据第一样本对象相关联的第一历史触发属性信息以及至少两个第一样本媒体数据分别对应的媒体属性信息，确定第一样本对象针对每个第一样本媒体数据分别对应的通用属性特征；

获取第一样本对象在未来时刻下，与第一历史触发属性信息相关联的第一未来属性特征；

通过初始对抗网络中的初始生成器在至少两个第二样本媒体数据中筛选出候选样本媒体数据，初始生成器将候选样本媒体数据发送至初始对抗网络中的初始判别器；

在初始判别器中，根据第一样本对象针对每个第一样本媒体数据分别对应的通用属性特征以及第一未来属性特征，输出第一样本对象针对每个第一样本媒体数据的第一触发概率，在初始判别器中输出针对候选样本媒体数据的第二触发概率；

根据第一触发概率和第二触发概率，调整初始对抗网络的模型参数，得到目标对抗网络，将目标对抗网络中的目标生成器，确定为用于预测目标对象针对媒体数据的触发概率的概率预测模型。

进一步地，至少两个第一样本媒体数据包括第一样本媒体数据S_i，i为正整数；

方法还包括：

将第一样本对象的对象属性信息、第一样本对象的触发记录信息以及历史触发第一样本媒体数据的分发环境信息，确定为第一样本对象相关联的第一历史触发属性信息；历史触发第一样本媒体数据为触发记录信息中所记录的第一样本媒体数据；

将第一样本媒体数据S_i的媒体数据标签、媒体数据内容类别以及媒体数据场景类别，确定为第一样本媒体数据S_i对应的媒体属性信息。

进一步地，通过初始对抗网络中的初始生成器在至少两个第二样本媒体数据中筛选出候选样本媒体数据，包括：

根据第二样本对象相关联的第二历史触发属性信息以及至少两个第二样本媒体数据分别对应的媒体属性信息，确定第二样本对象针对每个第二样本媒体数据分别对应的通用属性特征；