[发明专利]用于内容推荐的方法、计算设备和计算机可读存储介质

说明书

本公开提供了一种用于内容推荐的方法、计算设备和计算机可读存储介质。该方法包括：获取多个候选内容以对每个候选内容所包含的至少两个模态的数据分别进行预处理以产生至少两个模态的输入数据；经由至少两个不同的神经网络模型，分别提取所述至少两个模态的输入数据的特征，以生成至少两个模态的表征数据；对所述至少两个模态的表征数据进行融合以产生所述候选内容的表征向量；基于所述候选内容的表征向量利用回归模型确定所述候选内容的质量概率分布，其中所述候选内容的质量概率分布指示所述候选内容处于多个不同质量等级的概率，以及基于所述多个候选内容的质量概率分布从所述多个候选内容中确定推荐内容。

技术领域

本发明概括而言涉及机器学习领域，更具体地，涉及一种用于内容推荐的方法、计算设备和计算机可读存储介质。

背景技术

随着各种社交平台的不断发展，越来越多的用户通过这些社交平台来获取各种资讯。通常情况下，当用户向社交平台发布内容时，社交平台的服务器会对内容进行审核并评估内容的质量，从而决定是否向其他用户推荐该内容以及将该内容展示在用户终端的哪个位置。然而，社交平台上时时刻刻都在产生海量的内容，一方面，这对内容评估和推荐的速度提出了更高要求，传统的人工为主的方式将不再适用，另一方面，对这些海量内容进行评估和推荐要求必须使用更加客观且统一的评估手段。

当前，对内容的质量评估通常基于该内容所包含的一个主要模态的数据，例如文本数据、图像数据、视频数据或者音频数据，这已经不适应当前包含多个模态数据的内容的质量评估需要。

发明内容

针对上述问题，本发明提供了一种内容推荐的方案，通过利用不同的神经网络模型对内容的多个模态的数据分别进行特征提取并将提取的特征进行交叉融合，从而获得该内容质量的统一表征。此外，通过对每个内容的每个模态的数据进行多个质量等级的评估以获得内容在多个质量等级上的概率分布并且基于每个内容的质量概率分布进行内容推荐，能够获得更加客观的推荐结果。

根据本发明的一个方面，提供了一种用于内容推荐的方法。该方法包括：获取多个候选内容以对每个候选内容所包含的至少两个模态的数据分别进行预处理以产生至少两个模态的输入数据，其中所述至少两个模态的数据包括文本数据、图像数据、视频数据和音频数据中的至少两种；经由至少两个不同的神经网络模型，分别提取所述至少两个模态的输入数据的特征，以生成至少两个模态的表征数据；对所述至少两个模态的表征数据进行融合以产生所述候选内容的表征向量；基于所述候选内容的表征向量利用回归模型确定所述候选内容的质量概率分布，其中所述候选内容的质量概率分布指示所述候选内容处于多个不同质量等级的概率；以及基于所述多个候选内容的质量概率分布从所述多个候选内容中确定推荐内容。

根据本发明的另一个方面，提供了一种计算设备。该计算设备包括：至少一个处理器；以及至少一个存储器，该至少一个存储器被耦合到该至少一个处理器并且存储用于由该至少一个处理器执行的指令，该指令当由该至少一个处理器执行时，使得该计算设备执行根据上述方法的步骤。

根据本发明的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序代码，该计算机程序代码在被运行时执行如上所述的方法。

在一些实施例中，对所述至少两个模态的表征数据进行融合以产生所述候选内容的表征向量包括：将所述至少两个模态的表征数据投影至同一特征空间；以及将被投影至所述同一特征空间的所述至少两个模态的表征数据进行向量拼接、向量外积或者向量平均以产生所述候选内容的表征向量。

在一些实施例中，基于所述候选内容的表征向量利用回归模型确定所述候选内容的质量概率分布包括：将所述候选内容的表征向量经由全连接层和所述回归模型，生成关于所述候选内容的质量概率分布，所述回归模型由Softmax模型所构建。