[发明专利]一种信息处理方法、装置及计算机可读存储介质

说明书

本申请实施例公开了一种信息处理方法、装置及计算机可读存储介质，本申请实施例通过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；基于视频特征向量和推广特征向量分别对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，得到预设多任务学习模型；显示目标视频信息以及与目标视频信息的关联度大于预设阈值的目标推广信息。以此，提升了信息处理的准确性。

技术领域

本申请涉及计算机技术领域，具体涉及一种信息处理方法、装置及计算机可读存储介质。

背景技术

随着人工智能的不断发展，推荐系统越来越智能化，例如，在进行广告或者视频推荐时，系统可以基于用户的使用习惯智能的推荐出用户感兴趣的广告类型或者视频类型，实现精准的推荐。

但是，传统的CTR(Click-Through-Rate，点击率预估)模型，只会推理出用户要不要点广告，而不会对广告关联的视频是否喜欢有任何的关联性推理，如需结合推理则需要再做一个视频喜好的模型，过程繁琐且两者无法联合处理，因此，如何对多任务推荐类型进行准确的多维度推荐还丞待解决。

发明内容

本申请实施例提供一种信息处理方法、装置及计算机可读存储介质，可以提升信息处理的准确性。

为解决上述技术问题，本申请实施例提供以下技术方案：

一种信息处理方法，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。

一种信息处理装置，包括：

获取单元，用于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；

注意力处理单元，用于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；

拼接单元，用于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；

训练单元，用于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；

显示单元，用于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。

在一些实施例中，所述注意力处理单元，包括：

降维子单元，用于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；