[发明专利]资讯推荐方法、装置、设备、可读存储介质及程序产品

权利要求书

1.一种资讯推荐方法，其特征在于，包括：

获取包括图文信息内容的目标资讯；

将所述目标资讯和预设资讯集合中任一资讯输入至训练后的资讯识别模型，进行特征识别处理，确定所述目标资讯对应的资讯向量和所述任一资讯对应的资讯向量；所述目标资讯对应的资讯向量用于表征所述目标资讯的文本特征和图像特征，所述任一资讯对应的资讯向量用于表征所述任一资讯的文本特征和图像特征；

通过相似度计算，确定所述目标资讯对应的资讯向量和所述任一资讯对应的资讯向量之间的相似度；

若所述相似度大于或等于相似度阈值，则将所述任一资讯作为推荐资讯。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标资讯和预设资讯集合中任一资讯输入至训练后的资讯识别模型，进行特征识别处理，确定所述目标资讯对应的资讯向量和所述任一资讯对应的资讯向量，包括：

将所述目标资讯输入至训练后的资讯识别模型，得到所述目标资讯对应的字向量和图向量，并将预设资讯集合中任一资讯输入至训练后的资讯识别模型，得到所述任一资讯对应的字向量和图向量；

将所述目标资讯对应的字向量和图向量进行均值处理，得到所述目标资讯对应的资讯向量，并将所述任一资讯对应的字向量和图向量进行均值处理，得到所述任一资讯对应的资讯向量。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标资讯对应的字向量和图向量进行均值处理，得到所述目标资讯对应的资讯向量，包括：

将所述目标资讯对应的全部向量进行求和，得到向量和，所述全部向量包括所述目标资讯对应的全部字向量和全部图向量；

将所述向量和除以所述全部向量的数量，得到所述目标资讯对应的资讯向量。

4.根据权利要求1所述的方法，其特征在于，在所述将所述目标资讯和预设资讯集合中任一资讯输入至训练后的资讯识别模型之前，还包括：

将任意两个资讯样本输入至资讯识别模型中的图文模型，得到所述两个资讯样本中每个资讯样本对应的字向量和图向量；

通过所述资讯识别模型中的平均池化层，将所述每个资讯样本对应的字向量和图向量进行均值处理，得到所述每个资讯样本对应的资讯向量；

确定所述两个资讯样本对应的资讯向量之间的预测相似度；

基于所述预测相似度和预设的所述两个资讯样本之间的实际相似度，确定所述资讯识别模型的损失函数的值；

若所述资讯识别模型的损失函数的值大于第一损失阈值，则对所述资讯识别模型进行训练，更新所述资讯识别模型的网络参数；

重复执行所述将任意两个资讯样本输入至资讯识别模型中的图文模型，得到所述两个资讯样本中每个资讯样本对应的字向量和图向量、所述通过所述资讯识别模型中的平均池化层，将所述每个资讯样本对应的字向量和图向量进行均值处理，得到所述每个资讯样本对应的资讯向量、所述确定所述两个资讯样本对应的资讯向量之间的预测相似度、所述基于所述预测相似度和预设的所述两个资讯样本之间的实际相似度，确定所述资讯识别模型的损失函数的值、以及所述若所述资讯识别模型的损失函数的值大于损失阈值，则对所述资讯识别模型进行训练，更新所述资讯识别模型的网络参数，直至当所述资讯识别模型的损失函数的值等于第一损失阈值，得到训练后的资讯识别模型。

5.根据权利要求4所述的方法，其特征在于，在所述将任意两个资讯样本输入至资讯识别模型中的图文模型，得到所述两个资讯样本中每个资讯样本对应的字向量和图向量之前，还包括：

构建原始资讯识别模型，所述原始资讯识别模型包括残差网络、多标签分类模型、遮掩语言模型、遮掩图片模型和原始图文模型；

将资讯样本输入至所述原始资讯识别模型，对所述原始资讯识别模型进行训练，得到训练后的原始资讯识别模型，所述训练后的原始资讯识别模型包括资讯识别模型中的图文模型。