媒体资源处理方法及设备与流程
本公开涉及计算机,尤其涉及一种媒体资源处理方法及设备。
背景技术:
1、在个性化推荐系统中,如何精准表征媒体资源是实现有效推荐的核心。目前,通常是利用特征提取模型,从媒体资源的相关数据中提取用于表征媒体资源的特征向量,并基于该特征向量来进行推荐。但是,这种方式对媒体资源的表征能力仍存在不足,最终影响了资源推荐的准确性。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种媒体资源处理方法及设备。
2、本公开实施例的一方面提供了一种媒体资源处理方法,所述方法包括:
3、获取第一媒体资源的资源数据,所述资源数据包括针对所述第一媒体资源的多个描述维度的数据;
4、基于预设映射关系确定所述资源数据中至少一个目标描述维度的数据分别对应的语义信息,并基于所述至少一个目标描述维度的数据分别对应的语义信息确定所述第一媒体资源的第一语义信息,所述预设映射关系包括所述至少一个目标描述维度下的数据与语义信息之间的映射关系;
5、对所述第一媒体资源的资源数据进行特征提取,得到所述第一媒体资源的第二语义信息;
6、将所述第一语义信息及所述第二语义信息进行组合,得到所述第一媒体资源的语义信息组合,所述语义信息组合为推荐所述第一媒体资源的依据。
7、本公开实施例的另一方面提供了一种媒体资源处理装置,包括:
8、获取模块,用于获取第一媒体资源的资源数据,所述资源数据包括针对所述第一媒体资源的多个描述维度的数据;
9、确定模块,用于基于预设映射关系确定所述资源数据中至少一个目标描述维度的数据分别对应的语义信息,并基于所述至少一个目标描述维度的数据分别对应的语义信息确定所述第一媒体资源的第一语义信息,所述预设映射关系包括所述至少一个目标描述维度下的数据与语义信息之间的映射关系;
10、提取模块,用于对所述第一媒体资源的资源数据进行特征提取,得到所述第一媒体资源的第二语义信息;
11、组合模块,用于将所述第一语义信息及所述第二语义信息进行组合,得到所述第一媒体资源的语义信息组合,所述语义信息组合为推荐所述第一媒体资源的依据。
12、在一些实施例中,所述提取模块,用于对所述资源数据进行特征编码,得到所述第一媒体资源的资源特征;对所述资源特征进行量化编码,得到所述第二语义信息。
13、在一些实施例中,获取模块,还用于获取所述第一媒体资源的关联数据,所述关联数据所描述的主体与所述第一媒体资源存在关联关系;
14、所述提取模块,用于对所述资源数据及所述关联数据进行特征编码,得到所述资源特征。
15、在一些实施例中,所述获取模块,用于从知识图谱中,确定与第一实体节点存在关联关系的参考实体节点,所述知识图谱基于媒体资源库中媒体资源的资源数据构建,所述知识图谱包括多个实体类型的实体节点及实体节点之间的关联关系,所述第一实体节点为所述知识图谱中所述第一媒体资源对应的实体节点;获取所述参考实体节点对应的数据,作为所述关联数据。
16、在一些实施例中,所述装置还包括:
17、处理模块,用于响应于针对目标对象的资源推荐请求,通过推荐模型,对所述目标对象的对象数据进行处理,得到目标语义信息组合;
18、确定模块,还用于从媒体资源库中,确定所述目标语义信息组合对应的第二媒体资源,所述媒体资源库包括多个媒体资源及每个媒体资源的语义信息组合,所述第二媒体资源为所述多个媒体资源中的媒体资源;
19、推荐模块,用于向所述目标对象推荐所述第二媒体资源;
20、其中,所述推荐模型基于样本对象的对象数据及样本媒体资源的语义信息组合训练得到,所述样本媒体资源为所述样本对象历史互动过的媒体资源。
21、在一些实施例中,所述装置还包括:
22、获取模块,还用于获取所述样本对象的对象数据及所述样本媒体资源的语义信息组合;
23、处理模块,还用于通过所述推荐模型,对所述样本对象的对象数据进行处理,得到预测语义信息组合;
24、训练模块,用于基于所述预测语义信息组合与所述样本媒体资源的语义信息组合之间的差异,对所述推荐模型进行训练。
25、在一些实施例中,所述装置还包括:
26、获取模块,还用于基于所述目标对象的历史互动记录及知识图谱,获取所述目标对象对应的子知识图谱;其中,所述知识图谱基于所述媒体资源库中媒体资源的资源数据构建,所述知识图谱包括多个实体类型的实体节点及实体节点之间的关联关系,所述历史互动记录指示所述目标对象历史互动过的历史媒体资源,所述子知识图谱包括所述历史媒体资源对应的实体节点、所述历史媒体资源对应的实体节点所关联的实体节点及实体节点之间的关联关系;
27、生成模块基于所述子知识图谱及所述第二媒体资源,生成推荐理由,所述推荐理由为向所述目标对象推荐所述第二媒体资源的理由;
28、推荐模块,还用于针对所述资源推荐请求返回所述推荐理由。
29、在一些实施例中,所述生成模块,用于基于所述第二媒体资源,从所述子知识图谱中进行查询,得到查询结果,所述查询结果指示所述子知识图谱中是否存在第二实体节点,所述第二实体节点为所述第二媒体资源对应的实体节点;若所述查询结果指示存在所述第二实体节点,基于所述第二实体节点与第三实体节点之间的关联关系,生成所述推荐理由,所述第三实体节点是所述子知识图谱中所述历史媒体资源对应的、且与所述第二实体节点存在关联关系的实体节点;若所述查询结果指示不存在所述第二实体节点,基于所述第二媒体资源在所述知识图谱中的关联关系,生成所述推荐理由。
30、在一些实施例中,所述生成模块,用于若所述查询结果指示存在所述第二实体节点,确定所述第二实体节点与所述第三实体节点之间的关联关系对应的理由模板;基于所述第二实体节点与所述第三实体节点之间的关联关系及所述理由模板,生成所述推荐理由。
31、在一些实施例中,所述生成模块,用于若所述查询结果指示存在所述第二实体节点、且所述第二实体节点与所述第三实体节点之间存在多种关联关系,基于所述多种关联关系中权重最大的关联关系,生成所述推荐理由。
32、在一些实施例中,所述子知识图谱中所述历史媒体资源对应的实体节点具有语义信息组合;
33、确定模块,还用于基于所述目标语义信息组合与所述子知识图谱中的语义信息组合的重合度,从所述子知识图谱中确定第四实体节点,所述第四实体节点对应的语义信息组合与所述目标语义信息组合的重合度大于阈值;
34、所述生成模块,用于基于所述第二媒体资源,从所述第四实体节点所关联的实体节点中进行查询,得到所述查询结果,所述查询结果指示所述第四实体节点关联的实体节点中是否存在所述第二实体节点。
35、在一些实施例中,所述确定模块,用于对于每个目标描述维度,基于所述资源数据中所述目标描述维度的数据,从所述目标描述维度下的数据与语义信息之间的映射关系中进行查询,得到所述目标描述维度对应的语义信息;将多个目标描述维度对应的语义信息进行组合,得到所述第一语义信息。
36、本公开实施例的再一方面提供了一种电子设备,该电子设备包括:处理器和存储器,其中,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,所述处理器执行上述的媒体资源处理方法。
37、本公开实施例的再一方面提供了一种计算机可读存储介质,该存储介质中存储有计算机程序,当该计算机程序被处理器执行时,可以实现上述的媒体资源处理方法。
38、本公开实施例的再一方面提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的媒体资源处理方法。
39、本公开实施例提供的方案中,针对第一媒体资源的资源数据包括的各个描述维度的数据,考虑到目标描述维度下的数据蕴含关键语义信息,则通过将目标描述维度下的数据结合预设映射关系来确定第一语义信息,并通过全量的资源数量采取特征提取的方式来获取第二语义信息,将第一语义信息与第二语义信息相结合,共同构建媒体资源的富含实际含义的语义信息组合;这样,不仅增强了表征的完整性和结构性,使得语义信息组合兼具良好的可解释性与强大的泛化能力,能够实现后续资源推荐时的精准匹配,进而提升推荐准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com