(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 202111627084.8 (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 廖一桥　 (74)专利代理 机构 北京太合九思知识产权代理 有限公司 1 1610 专利代理师 刘戈　孙明子 (51)Int.Cl. G06F 16/435(2019.01) G06F 16/438(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 资源推荐、 模型训练方法、 装置、 设备、 存储 介质和程序 (57)摘要 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。 权利要求书3页 说明书21页 附图5页 CN 114461824 A 2022.05.10 CN 114461824 A 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：权　利　要　求　书 1/3 页 2 CN 114461824 A 2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。 6.一种多媒体资源推荐模型训练装置， 其特 征在于， 包括： 获取单元， 被配置为执行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； 确定单元， 被配置为执行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； 所述确定单元， 被配置为执行根据 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； 所述确定单元， 被配置为执行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； 所述确定单元， 被配置为执行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； 预测单元， 被配置为执行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； 训练单元， 被配置为执行根据 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。 7.一种多媒体资源推荐装置， 其特 征在于， 包括： 获取单元， 被配置为执行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； 确定单元， 被配置为执行在操作 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， 确权　利　要　求　书 2/3 页 3 CN 114461824 A 3