一种多属性序列的处理方法及装置、处理设备与流程

    技术2024-12-05  11


    本申请涉及人工智能领域,尤其涉及一种多属性序列的处理方法及装置、处理设备。


    背景技术:

    1、用户行为序列通常由用户操作(如点击或者播放)的视频的标识(id)组成。视频具有多种属性,例如演员属性、导演属性等,基于用户行为序列可以在视频的各个维度属性上扩展出对应的属性序列,由此可以得到多个属性序列。

    2、利用多个属性序列可以推测用户对于特定视频的操作概率,然而,目前的方案对于操作概率的预测存在准确性较低的问题。


    技术实现思路

    1、为解决上述技术问题,本申请实施例提供了一种多属性序列的处理方法及装置、处理设备、芯片、计算机可读存储介质。

    2、本申请实施例提供的多属性序列的处理方法,包括:

    3、将m个属性的向量表示序列输入第一注意力网络,通过所述第一注意力网络输出所述m个属性的第一特征向量序列;所述第一注意力网络用于对所述m个属性的向量表示序列进行属性内部关联特征的提取,m为正整数;

    4、将所述m个属性的第一特征向量序列输入卷积网络,通过所述卷积网络输出第二特征向量序列,以及将目标视频的m个属性的向量表示输入所述卷积网络,通过所述卷积网络输出第一目标特征向量;所述卷积网络用于对所述m个属性的第一特征向量序列进行属性之间关联特征的提取以及用于对所述目标视频的m个属性的向量表示进行属性之间关联特征的提取;

    5、基于所述第二特征向量序列和所述第一目标特征向量预测用户操作所述目标视频的概率。

    6、本申请实施例提供的多属性序列的处理装置,包括:

    7、第一处理单元,用于将m个属性的向量表示序列输入第一注意力网络,通过所述第一注意力网络输出所述m个属性的第一特征向量序列;所述第一注意力网络用于对所述m个属性的向量表示序列进行属性内部关联特征的提取,m为正整数;

    8、第二处理单元,用于将所述m个属性的第一特征向量序列输入卷积网络,通过所述卷积网络输出第二特征向量序列,以及将目标视频的m个属性的向量表示输入所述卷积网络,通过所述卷积网络输出第一目标特征向量;所述卷积网络用于对所述m个属性的第一特征向量序列进行属性之间关联特征的提取以及用于对所述目标视频的m个属性的向量表示进行属性之间关联特征的提取;

    9、预测单元,用于基于所述第二特征向量序列和所述第一目标特征向量预测用户操作所述目标视频的概率。

    10、本申请实施例提供的处理设备,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行上述任意一种多属性序列的处理方法。

    11、本申请实施例提供的芯片,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的设备执行上述任意一种多属性序列的处理方法。

    12、本申请实施例提供的计算机可读存储介质,用于存储计算机程序,所述计算机程序使得计算机执行上述任意一种多属性序列的处理方法。

    13、本申请实施例的技术方案,提出了一种基于注意力网络和卷积网络的多属性序列的处理方法,一方面,通过注意力网络提取属性内部的时间关联特征,另一方面,通过卷积网络提取属性之间的空间关联特征,如此可以得到具有时间关联特征和空间关联特征的特征向量,通过该特征向量进行操作概率的预测,可以增强预测的准确性。



    技术特征:

    1.一种多属性序列的处理方法,其特征在于,所述方法包括:

    2.根据权利要求1所述的方法,其特征在于,所述将m个属性的向量表示序列输入第一注意力网络之前,所述方法还包括:

    3.根据权利要求2所述的方法,其特征在于,所述对所述m个属性序列进行向量转化,得到所述m个属性的向量表示序列;以及对所述目标视频的m个属性进行向量转化,得到所述目标视频的m个属性的向量表示,包括:

    4.根据权利要求1所述的方法,其特征在于,所述将m个属性的向量表示序列输入第一注意力网络,通过所述第一注意力网络输出所述m个属性的第一特征向量序列,包括:

    5.根据权利要求1至4中任一项所述的方法,其特征在于,所述将所述m个属性的第一特征向量序列输入卷积网络,通过所述卷积网络输出第二特征向量序列,以及将目标视频的m个属性的向量表示输入所述卷积网络,通过所述卷积网络输出第一目标特征向量,包括:

    6.根据权利要求1至4中任一项所述的方法,其特征在于,所述基于所述第二特征向量序列和所述第一目标特征向量预测用户操作所述目标视频的概率,包括:

    7.根据权利要求1至4中任一项所述的方法,其特征在于,所述方法还包括:

    8.一种多属性序列的处理装置,其特征在于,所述装置包括:

    9.一种处理设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至7中任一项所述的方法。

    10.一种芯片,其特征在于,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的设备执行如权利要求1至7中任一项所述的方法。

    11.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至7中任一项所述的方法。


    技术总结
    本申请公开了一种多属性序列的处理方法及装置、处理设备,所述方法包括:将m个属性的向量表示序列输入第一注意力网络,通过第一注意力网络输出m个属性的第一特征向量序列;第一注意力网络用于对m个属性的向量表示序列进行属性内部关联特征的提取;将m个属性的第一特征向量序列输入卷积网络,通过卷积网络输出第二特征向量序列,以及将目标视频的m个属性的向量表示输入卷积网络,通过卷积网络输出第一目标特征向量;卷积网络用于对m个属性的第一特征向量序列进行属性之间关联特征的提取以及用于对目标视频的m个属性的向量表示进行属性之间关联特征的提取;基于第二特征向量序列和第一目标特征向量预测用户操作目标视频的概率。

    技术研发人员:郭瑞璞,李倩
    受保护的技术使用者:中国移动通信有限公司研究院
    技术研发日:
    技术公布日:2024/10/24
    转载请注明原文地址:https://symbian.8miu.com/read-23089.html

    最新回复(0)