[发明专利]多媒体资源的特征确定方法、装置、电子设备和存储介质

说明书

本公开提供多媒体资源的特征确定方法、装置、电子设备和存储介质，包括：获取目标多媒体资源的期望排序区间以及提取各特征类别分别对应的第一特征值；所述目标多媒体资源为推荐排序错误的多媒体资源；依据期望排序区间，在特征类别集中查找满足筛选条件的候选特征类别，从候选特征类别的值域中选取n个不同于候选特征类别的第一特征值的候选特征值，并分别采用候选特征值对第一特征值进行替换，得到n个新的特征类别集；采用n个新的特征类别集，重新对目标多媒体资源进行排序处理，得到与每个新的特征类别集对应的排序值；若存在至少一个排序值在期望排序区间内，则确定候选特征类别为寻找的目标特征类别并输出。故此，节省了大量的时间和人力。

技术领域

本发明涉及信息处理技术领域，特别涉及一种多媒体资源的特征确定方法、装置、电子设备和存储介质。

背景技术

近来，机器学习在视频图像、语音识别、自然语言处理等相关领域得到了广泛应用。由于其超强的拟合能力以及端到端的全局优化能力，使得机器学习在大规模数据场景下相比于传统的数理分析的方法更具有鲁棒性。在众多的机器学习算法中，基于树模型的算法由于其的可解释性、速度快等特点被广泛应用在线上系统中。虽然现在树模型已经具有比较强的可解释性，但是对于单一样本的调试工作依然相对来说比较复杂，尤其是对于排序模型来说。

以视频搜索为例，在对一个搜索词下的一组视频进行排序的时候，我们需要对这组视频给予正确的顺序并按照正确的顺序进行排序，然后展示给用户。但是，排序模型有时并不一定按照真实的需求对样本进行排序。例如，如图1所示，在进行关键词搜索时，页面中出现4个视频，分别为视频1、视频2、视频3和视频4。若视频2和搜索的关键词任何关系时，此时视频2的排序为错误的。所以，需要把视频2的顺序进行调整。

由于多媒体资源的排序顺序是由该多媒体资源的各特征的特征值来决定的，所以，需要对该多媒体资源的需要调整的特征进行定位。

现有技术中，是技术人员手动进行查找排序错误的多媒体资源中的需要调整的特征，会导致浪费大量的时间和精力。因此，急需一种新的方法来解决上述问题。

发明内容

本公开提供一种多媒体资源的特征确定方法、装置、设备和存储介质，用于解决现有技术中由于需要手动进行查找多媒体资源中需要被调整的特征而导致浪费大量的时间和精力的问题。

第一方面，本公开提供一种多媒体资源的确定方法，在基于搜索条件推荐多媒体资源时，用于进行推荐排序的特征类别集中包括多个特征类别，每个特征类别在值域上被划分为多个取值区间段，所述方法包括：

当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；

依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；

针对所述目标多媒体资源的每个候选特征类别分别执行：

从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；

采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；

若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。