[发明专利]用于预测帖子互动行为状态的方法、计算设备和存储介质

说明书

本公开的实施例涉及于预测帖子互动行为状态的方法、电子设备和计算机存储介质。该方法包括：针对与用户相关联的帖子进行预处理，以便分别生成文本输入数据、图像输入数据、视频帧输入数据和频谱图输入数据；经由第一神经网络模型生成文本表征数据；经由第二神经网络模型生成图像表征数据；经由第三神经网络模型生成视频帧表征数据；经由第四神经网络模型生成声谱表征数据；以及融合用户信息、文本表征数据、图像表征数据、视频帧表征数据和声谱表征数据，以便经由回归模型基于融合后数据生成关于帖子的互动行为状态的预测概率。由此，本公开能够在帖子内容刚发出来时便可以准确预估帖子的互动行为状态。

技术领域

本公开的实施例总体涉及信息处理领域，具体涉及用于预测帖子互动行为状态的方法、电子设备和计算机存储介质。

背景技术

随着信息技术的发展，越来越多的用户通过网络发帖方式进行沟通交流。一般而言，在论坛、社区、或者平台发布的帖子如果获得较高的点赞、关注、分享，收藏等互动操作，将给论坛、社区、平台带来更多的流量和热度。因此，存在准确评估帖子的互动行为状态(例如，是否具有高的互动潜质)的需求。

传统的确定帖子互动行为状态的方案，例如是在给予帖子一定曝光之后，才能根据帖子的实际互动操作数据来评估帖子的互动行为状态。然而，传统的确定帖子互动行为状态的方案无法提前预估帖子的互动行为状态潜质，这使得一些低互动潜质的帖子占用过多的曝光资源，进而导致曝光资源的浪费。

综上，传统的确定帖子互动行为状态的方案具有无法提前准确预估帖子的互动行为状态的不足之处。

发明内容

提供了一种用于预测帖子互动行为状态的方法、计算设备以及计算机存储介质，能够在帖子内容刚发出来时便可以准确预估帖子的互动行为状态。

根据本公开的第一方面，提供了一种用于预测帖子互动行为状态的方法。该方法包括：针对与用户相关联的帖子的文本数据、图像数据、视频数据和音频数据进行预处理，以便分别生成文本输入数据、图像输入数据、视频帧输入数据和频谱图输入数据；经由第一神经网络模型，提取文本输入数据的特征，以便生成文本表征数据；经由第二神经网络模型，提取图像输入数据的特征，以便生成图像表征数据；经由第三神经网络模型，提取视频帧输入数据的特征，以便生成视频帧表征数据；经由第四神经网络模型，提取频谱图输入数据的特征，以便生成声谱表征数据；以及融合用户信息、文本表征数据、图像表征数据、视频帧表征数据和声谱表征数据，以便经由回归模型基于融合后数据生成关于帖子的互动行为状态的预测概率。

根据本公开的第二方面，提供了一种计算设备。该计算设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据第一方面的方法。

在本公开的第三方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

在一些实施例中，融合用户信息、文本表征数据、图像表征数据、视频帧表征数据和声谱表征数据包括：将用户信息、文本表征数据、图像表征数据、视频帧表征数据和声谱表征数据投影至同一特征空间；针对被投影至同一特征空间的数据进行拼接、向量外积或者向量平均，以便生成融合后表征数据；以及将融合后表征数据连接至输出网络层，以便经由输出网络层生成关于帖子的互动行为状态的预测概率。

在一些实施例中，经由回归模型基于融合后数据生成关于帖子的互动行为状态的预测概率包括：将用户信息、文本表征数据、图像表征数据、视频帧表征数据和声谱表征数据投影至同一特征空间；针对被投影至同一特征空间的数据进行拼接、向量外积或者向量平均，以便生成融合后数据；以及将融合后数据，经由全连接层和回归模型，生成关于帖子的互动行为状态的预测概率，回归模型由Softmax模型所构建。