(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111628281.1 (22)申请日 2021.12.28 (71)申请人 北京达佳互联信息技 术有限公司 地址 100085 北京市海淀区上地西路6号1 幢1层101D1-7 (72)发明人 李帆　林英乔　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 杜月 (51)Int.Cl. G06F 40/126(2020.01) G06V 10/80(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01)G06Q 30/06(2012.01) (54)发明名称 编码器的训练方法、 资源推荐方法及装置 (57)摘要 本公开关于一种编码 器的训练方法、 资源推 荐方法及装置， 属于计算机技术领域。 其中， 方法 包括： 获取样本集； 利用初始编码器对每个样本 进行编码处理， 以获取每个样 本对应的第一特征 向量； 利用每个第一特征向量， 对初始编码器和 第一标注信息对应的第一识别模 型进行训练， 以 获取候选编码器； 利用候选编码器对每个样本进 行编码处理， 以获取每个样本对应的第二特征向 量； 利用每个第二特征向量， 对候选编码器和第 二标注信息对应的第二识别模型进行训练， 得到 目标编码器。 由此， 通过训练多个识别模型得到 共同的编码器， 可以利用编码器对不同资源类型 的资源进行表征， 实现不同资源类型的资源的同 空间表征， 便 于进行跨 域兴趣的电商推荐。 权利要求书2页 说明书13页 附图5页 CN 114492313 A 2022.05.13 CN 114492313 A 1.一种编码器的训练方法， 其特 征在于， 包括： 获取样本集； 其中， 所述样本集包括不同资源类型的多个样本及每个样本对应的第一 标注信息和第二标注信息， 所述第一标注信息与所述第二标注信息对应不同的识别模型； 利用初始编码器对每个所述样本进行编码处理， 以获取每个所述样本对应的第 一特征 向量； 利用每个所述第 一特征向量， 对所述初始编码器和所述第 一标注信 息对应的第 一识别 模型进行训练， 以获取候选编码器； 利用所述候选编码器对每个所述样本进行编码处理， 以获取每个所述样本对应的第 二 特征向量； 利用每个所述第 二特征向量， 对所述候选编码器和所述第 二标注信 息对应的第 二识别 模型进行训练， 得到目标编 码器； 其中， 所述第二识别模型与所述第一识别模型的识别内容 不同。 2.如权利要求1所述的方法， 其特 征在于， 在所述获取样本集之后， 还 包括： 在任一样本的资源类型为视频的情况下， 对所述任一样本进行采样， 获取多帧图像及 音频数据； 对所述音频 数据进行识别， 获取 所述任一样本对应的文本数据； 根据所述多帧图像和所述文本数据， 获得 所述任一样本对应的图文数据。 3.如权利要求2所述的方法， 其特征在于， 所述利用初始编码器对每个所述样本进行编 码处理， 以获取每 个所述样本对应的第一特 征向量， 包括： 利用所述初始编码器对每帧图像进行编码处 理， 获取每帧图像对应的图像特 征向量； 对所述多帧图像分别对应的图像特征向量进行池化处理， 以获取所述多帧图像的池化 向量； 利用所述初始编码器对所述文本数据进行编码处 理， 以获取文本向量； 将所述池化向量与所述文本向量进行融合， 以得到所述任一样本对应的第一特征向 量。 4.一种资源推荐方法， 其特 征在于， 包括： 获取目标资源； 利用目标编码器对所述目标资源进行表征， 以获取所述目标资源对应的特征向量； 其 中， 所述目标编码器是采用权利要求1 ‑3任一项所述的训练方法获取的； 根据所述目标资源 对应的特 征向量， 获取待推荐资源； 向所述目标资源 对应的用户推荐所述待推荐资源。 5.如权利要求4所述的方法， 其特征在于， 所述利用目标编码器对所述目标资源进行表 征， 以获取 所述目标资源 对应的特 征向量， 包括： 确定所述目标资源的资源类型； 根据所述目标资源的资源类型， 对所述目标资源进行处理， 以获取所述目标资源对应 的图文数据； 利用所述目标编码器， 对所述目标资源对应的图文数据进行编码处理， 以获取每个所 述目标资源 对应的特 征向量。 6.一种编码器的训练装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114492313 A 2第一获取模块， 被配置为获取样本集； 其中， 所述样本集包括不同资源类型的多个样本 及每个样本对应的第一标注信息和 第二标注信息， 所述第一标注信息与所述第二标注信息 对应不同的识别模型； 特征提取模块， 被配置为利用 初始编码器对每个所述样本进行编码处理， 以获取每个 所述样本对应的第一特 征向量； 训练模块， 被配置为利用每个所述第一特征向量， 对所述初始编码器和所述第一标注 信息对应的第一识别模型进行训练， 以获取候选编码器； 所述特征提取模块， 被配置为利用所述候选编码器对每个所述样本进行编码处理， 以 获取每个所述样本对应的第二特 征向量； 所述训练模块， 还被配置为利用每个所述第二特征向量， 对所述候选编码器和所述第 二标注信息对应的第二识别模型进行训练， 得到目标编 码器； 其中， 所述第二识别模型与所 述第一识别模型的识别内容 不同。 7.一种资源推荐装置， 其特 征在于， 包括： 第一获取模块， 被 配置为获取目标资源； 第二获取模块， 被配置为利用目标编码器对所述目标资源进行表征， 以获取所述目标 资源对应的特征向量； 其中， 所述目标编码 器是采用权利要求 1‑3任一项所述的训练方法获 取的； 第三获取模块， 被 配置为根据所述目标资源 对应的特 征向量， 获取待推荐资源； 推荐模块， 被 配置为向所述目标资源 对应的用户推荐所述待推荐资源。 8.一种计算机设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1至3中任一项所述的编 码器的训练方法， 或者实现如权利要求 4至5中任一项所述的资源推荐方法。 9.一种存储介质， 当所述存储介质中的指令由计算机设备的处理器执行时， 使得所述 计算机设备能够执行如权利要求 1至3中任一项 所述的编 码器的训练方法， 或者执行如权利 要求4至5中任一项所述的资源推荐方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现权利要求 1至3任一项 所述的编码 器的训练方法， 或者 实现如权利要求4至5中任一 项所述的资源推荐方法。权　利　要　求　书 2/2 页 3 CN 114492313 A 3