[发明专利]一种信息处理方法、装置及计算机可读存储介质

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取用户特征信息转化后的用户特征向量、视频特征信息转化后的视频特征向量以及推广特征信息转化后的推广特征向量；

基于所述视频特征向量和推广特征向量分别对所述用户特征向量进行注意力融合处理，得到用户视频融合向量和用户推广融合向量；

将所述用户特征向量、视频特征向量、推广特征向量、用户视频融合向量以及用户推广融合向量进行拼接，得到联合向量；

根据所述联合向量和标签信息对预设多任务学习模型按照不同的任务类型进行特征加权训练，得到训练后的预设多任务学习模型；

显示目标视频信息以及与所述目标视频信息的关联度大于预设阈值的目标推广信息，所述目标视频信息和目标推广信息为通过所述训练后的预设多任务学习模型对用户进行推送得到。

2.根据权利要求1所述的信息处理方法，其特征在于，所述基于所述视频特征向量和推广特征向量分别对所述用户特征向量进行注意力融合处理，得到用户视频融合向量和用户推广融合向量的步骤，包括：

通过预设全连接层将所述视频特征向量和推广特征向量进行降维，得到预设尺寸的目标视频特征向量和目标推广特征向量；

根据所述目标视频特征向量和目标推广特征向量分别对所述用户特征向量进行注意力融合处理，得到用户视频融合向量和用户推广融合向量。

3.根据权利要求2所述的信息处理方法，其特征在于，所述根据所述目标视频特征向量和目标推广特征向量分别对所述用户特征向量进行注意力融合处理，得到用户视频融合向量和用户推广融合向量的步骤，包括：

将所述用户特征向量中的每一用户特征域向量乘以第一预设矩阵向量，得到对应数量的过渡向量；

将每一过渡向量分别与所述目标视频特征向量进行转置相乘，得到每一用户特征域向量对应的第一权重值；

根据每一用户特征域向量和对应的第一权重值进行加权，并将加权后的多个用户特征域向量进行向量平均化处理，得到用户视频融合向量；

将每一过渡向量分别与所述目标推广特征向量进行转置相乘，得到每一用户特征域向量对应的第二权重值；

根据每一用户特征域向量和对应的第二权重值进行加权，并将加权后的多个用户特征域向量进行向量平均化处理，得到用户推广融合向量。

4.根据权利要求1所述的信息处理方法，其特征在于，所述根据所述联合向量和标签信息对预设多任务学习模型按照不同的任务类型进行特征加权训练，得到训练后的预设多任务学习模型的步骤，包括：

将所述联合向量输入至预设多任务学习模型，对所述预设多任务学习模型中的多个专家网络进行训练，得到训练后的多个专家网络；

确定每一专家网络在不同的任务类型下对应的第三权重值；

将每一专家网络的输出按照每一任务类型下对应的第三权重值进行加权连接；

按照任务类型将对应的加权连接之后的输出加载至预设多任务学习模型中对应的任务训练网络，输出每一任务类型对应的目标输出结果；

将每一任务类型的目标输出结果与对应的标签信息进行对比，得到差异值；

根据所述差异值对所述任务训练网络的网络参数进行调整，直至所述差异值收敛，得到训练后的预设多任务学习模型。

5.根据权利要求4所述的信息处理方法，其特征在于，所述确定每一专家网络在不同的任务类型下对应的第三权重值的步骤，包括：

将所述联合向量与目标视频特征向量进行连接，得到第一连接向量；

将所述第一连接向量乘以第二预设矩阵向量，得到每一专家网络在视频任务类型下对应的第三权重值；

将所述联合向量与目标推广特征向量进行连接，得到第二连接向量；

将所述第二连接向量乘以第二预设矩阵向量，得到每一专家网络在推广任务类型下对应的第三权重值。

6.根据权利要求5所述的信息处理方法，其特征在于，所述将每一专家网络的输出按照每一任务类型下对应的第三权重值进行加权连接的步骤，包括：

将每一专家网络的输出按照视频任务类型下对应的第三权重值进行加权连接；

将每一专家网络的输出按照推广任务类型下对应的第三权重值进行加权连接。