[发明专利]媒体资源推荐方法、多目标融合模型的训练方法及装置

权利要求书

1.一种媒体资源推荐方法，其特征在于，所述方法包括：

基于多目标融合模型中的多目标子模型，对目标对象的对象特征、媒体资源的资源特征和关联特征进行处理，得到业务目标预估信息，所述多目标子模型包括第一模型、第二模型和第三模型，所述第一模型用于特征交叉，所述第二模型用于确定多个业务目标的中间预估效果，所述第三模型用于基于所述第一模型和所述第二模型的输出确定所述业务目标预估信息，所述关联特征用于指示所述媒体资源与所述目标对象之间的关联关系，所述业务目标预估信息用于表示将所述媒体资源推荐给所述目标对象后多个业务目标的预估效果；

基于所述多目标融合模型中的对象类型子模型，对所述对象特征进行处理，得到对象类型信息，所述对象类型子模型用于预测对象属于所述多个业务目标对应的多个对象类型的概率，所述对象类型信息用于表示所述目标对象属于各对象类型的概率；

基于所述多目标融合模型中的融合子模型，对所述业务目标预估信息和所述对象类型信息进行拼接，对拼接得到的向量进行多次全连接，得到所述媒体资源的推荐信息，所述推荐信息用于指示所述媒体资源的推荐分数，所述融合子模型用于基于所述目标对象所属的对象类型，对所述多个业务目标的预估效果进行融合；

响应于所述推荐信息满足推荐条件，向所述目标对象推荐所述媒体资源。

2.根据权利要求1所述的方法，其特征在于，所述对目标对象的对象特征、媒体资源的资源特征和关联特征进行处理，得到业务目标预估信息，包括：

对所述目标对象的对象特征、所述媒体资源的资源特征和所述关联特征中的稀疏特征进行特征交叉，得到交叉特征；

基于所述对象特征、所述资源特征和所述关联特征，确定多个预估特征，所述多个预估特征用于指示所述多个业务目标的中间预估效果；

基于所述交叉特征和所述多个预估特征，得到所述业务目标预估信息。

3.根据权利要求2所述的方法，其特征在于，所述对所述目标对象的对象特征、所述媒体资源的资源特征和所述关联特征中的稀疏特征进行特征交叉，得到交叉特征，包括：

对所述目标对象的对象特征、所述媒体资源的资源特征和所述关联特征中的稀疏特征中的多个非零元素进行加权求和，得到一阶特征，一个非零元素对应一个元素权重；

对所述对象特征、所述资源特征和所述关联特征中的稀疏特征进行降维，得到多个第一降维特征；

基于所述多个第一降维特征，确定二阶交叉特征；

对所述一阶特征和所述二阶交叉特征进行拼接，得到所述交叉特征。

4.根据权利要求3所述的方法，其特征在于，所述基于所述多个第一降维特征，确定二阶交叉特征，包括：

确定所述多个第一降维特征中任意两个第二降维特征的内积；

对确定的多个内积进行求和，得到所述二阶交叉特征。

5.根据权利要求2所述的方法，其特征在于，所述基于所述对象特征、所述资源特征和所述关联特征，确定多个预估特征，包括：

将所述对象特征、所述资源特征和所述关联特征中的稠密特征和多个第二降维特征进行拼接，得到第一输入特征，所述多个第二降维特征由对所述对象特征、所述资源特征和所述关联特征中的稀疏特征进行降维得到；

基于所述多个业务目标对应的多个专家网络，分别对所述第一输入特征进行处理，得到多个专家网络输出特征；

基于所述多个业务目标对应的多个门控函数，分别对所述第一输入特征和所述多个专家网络输出特征进行处理，得到多个门控输出特征；

基于所述多个业务目标对应的多个多层感知器，分别对所述多个门控输出特征进行处理，得到所述多个预估特征。

6.根据权利要求5所述的方法，其特征在于，所述基于所述多个业务目标对应的多个门控函数，分别对所述第一输入特征和所述多个专家网络输出特征进行处理，得到多个门控输出特征，包括：

对于任一业务目标，基于所述业务目标的门控函数，对所述第一输入特征进行全连接和映射，得到多个第一权重，所述多个第一权重与所述多个专家网络输出特征一一对应；

基于所述多个第一权重，对所述多个专家网络输出特征进行加权求和，得到所述业务目标对应的门控输出特征。