一种基于短视频发布的信息检测方法及系统与流程

1.本技术涉及信息检测技术领域，具体而言，涉及一种基于短视频发布的信息检测方法及系统。


背景技术：

2.短视频即短片视频，是一种互联网内容传播方式，一般是在互联网新媒体上传播的时长在较短时长（如5分钟）以内的视频；随着移动终端普及和网络的提速，短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐。相关技术中，常通过分析用户的短视频兴趣行为数据为用户推送个性化的短视频，然而在短视频发布维度，缺乏针对不同用户的发布偏好关联性分析，导致无法在进行短视频发布过程中为用户提供有效的数据内容参考。


技术实现要素：

3.为了至少克服现有技术中的上述不足，本技术的目的在于提供一种基于短视频发布的信息检测方法及系统。
4.第一方面，本技术提供一种基于短视频发布的信息检测方法，应用于基于短视频发布的信息检测系统，所述方法包括：基于发布偏好分析模型分析第一样本短视频发布事件和第二样本短视频发布事件之间的第一发布偏好关联性；所述第一样本短视频发布事件及所述第二样本短视频发布事件均存在于目标短视频服务页面中，所述目标短视频服务页面关联有页面互动分析进程；从所述页面互动分析进程获取所述第一样本短视频发布事件和所述第二样本短视频发布事件之间的第二发布偏好关联性，所述第二发布偏好关联性是由所述页面互动分析进程基于发布互动分析模型分析输出的；基于所述第一发布偏好关联性和所述第二发布偏好关联性生成对应的模型分析反馈信息，并基于所述模型分析反馈信息迭代优化所述发布偏好分析模型的参数层信息；所述模型分析反馈信息还被配置于所述页面互动分析进程迭代优化所述发布互动分析模型的参数层信息；基于发布偏好分析模型迭代优化后的参数层信息及发布互动分析模型迭代优化后的参数层信息生成偏好分析部署模型，所述偏好分析部署模型被配置于分析不同短视频发布事件之间的发布偏好关联性；基于所述偏好分析部署模型分析任意加载的第一目标短视频发布事件和第二目标短视频发布事件之间的发布偏好关联性，并基于所述发布偏好关联性确定所述第一目标短视频发布事件对应的第一目标用户和第二目标短视频发布事件对应的第二目标用户之间的吸引度，以获得每个第一目标用户与其它各个第二目标用户之间的吸引度；基于所述每个第一目标用户与其它各个第二目标用户之间的吸引度，在所述第一目标用户下一次发起短视频发布事件时向所述其它各个第二目标用户进行数据内容分享。
5.第二方面，本技术还提供一种基于短视频发布的信息检测系统，所述基于短视频发布的信息检测系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有计算机程序，所述计算机程序结合该处理器加载并执行以实现以上第一方面的基于短视频发布的信息检测方法。
6.采用以上任意方面的技术方案，在本技术中，第一样本短视频发布事件可在基于发布偏好分析模型，并基于该第一样本短视频发布事件发布的发布属性数据，确定该第一样本短视频发布事件和第二样本短视频发布事件之间的第一发布偏好关联性后，还可从页面互动分析进程获得该第一样本短视频发布事件与第二样本短视频发布事件之间的第二发布偏好关联性，从而使该第一样本短视频发布事件在未从页面互动分析进程获取发布互动偏好数据的基础上，实现对该发布互动偏好数据的特征学习。在得到该第一发布偏好关联性和第二发布偏好关联性后，该第一样本短视频发布事件可基于获取的第一发布偏好关联性和第二发布偏好关联性生成对应的模型分析反馈信息，由此可依据该模型分析反馈信息对发布偏好分析模型的参数层信息进行处理，以及使页面互动分析进程对发布互动分析模型的参数层信息进行优化，进而使得第一样本短视频发布事件充分基于由第一样本短视频发布事件发布的发布属性数据、事件数据、以及发布互动进程响应的发布互动偏好数据进行模型更新，进而提高模型更新可靠性，而基于迭代优化后的参数层信息生成得到的偏好分析部署模型则可准确确定不同短视频发布事件之间的发布偏好关联性，提高偏好关联性分析精度。且由于在得到模型分析反馈信息后，该第一样本短视频发布事件和页面互动分析进程将分别进行参数层信息优化，有效利用短视频发布事件和发布互动进程的实时数据信息进行模型训练。
附图说明
7.为了更清楚地说明本技术的技术方案，下面将对实施例中所需要启用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以结合这些附图获得其它相关的附图。
8.图1为本技术实施例提供的基于短视频发布的信息检测方法的流程示意图。
9.图2为本技术实施例提供的用于实现上述的基于短视频发布的信息检测方法的基于短视频发布的信息检测系统的结构示意框图。
具体实施方式
10.以下描述是为了使本领域的普通技术人员能够实施和利用本技术，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本技术的原则和范围的情况下，本技术中所定义的普遍原则可以适用于其它实施例和应用场景。因此，本技术并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。
11.本技术中所使用的术语仅用于描述特定的示例性实施例，并不限制本技术的范围。如本技术使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本技术说明书中，术语“包括”、“包含”仅提示存在所述特
征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其它特征、整体、步骤、操作、组件、部件和/或其组合的情况。
12.结合以下对附图的描述，本技术的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本技术说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本技术的范围。应当理解的是，附图并不是按比例绘制的。
13.本技术中使用了流程图用来说明结合本技术的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以基于倒序或同时处理各种步骤。此外，可以向流程图添加一个或以上其它操作。也可以从流程图中删除一个或以上操作。
14.下面结合说明书附图的图1和图2对本技术进行具体说明，本技术实施例中的具体操作方法也可以应用于装置实施例或系统实施例中；如图1所示，图1为本技术实施例提供的基于短视频发布的信息检测方法的流程示意图，所述基于短视频发布的信息检测方法包括：步骤s101，基于发布偏好分析模型分析第一样本短视频发布事件和第二样本短视频发布事件之间的第一发布偏好关联性；第一样本短视频发布事件及第二样本短视频发布事件均存在于目标短视频服务页面中，目标短视频服务页面关联有页面互动分析进程。
15.其中，页面互动分析进程主要用于处理发布互动进程响应的发布互动偏好数据。
16.一些示例性的设计思路中，在对发布偏好分析模型的权重信息和发布互动分析模型的权重信息分别进行更新前，首先在加载阶段先分别将加载数据输入到第一样本短视频发布事件和页面互动分析进程中，一些示例性的设计思路中，输入该第一样本短视频发布事件的加载数据为该第一样本短视频发布事件的发布属性数据，该发布属性数据主要包含两部分，一是该第一样本短视频发布事件响应的发布元素信息，二是该第一样本短视频发布事件自身的发布配置数据。除了由第一样本短视频发布事件发布的发布属性数据，在还包含发布互动进程响应的发布互动偏好数据。基于第一样本短视频发布事件发布的发布属性数据，可使第一样本短视频发布事件基于该发布属性数据对发布偏好分析模型的权重信息进行迭代更新，而基于发布互动进程响应的发布互动偏好数据，则可实现基于发布互动偏好数据对发布互动分析模型的权重信息进行迭代更新。
17.一些示例性的设计思路中，该发布互动分析模型和发布偏好分析模型可被统称为联邦学习模型（即偏好分析部署模型）。
18.一些示例性的设计思路中，基于上述由该第一样本短视频发布事件进行请求响应获得的发布属性数据，该第一样本短视频发布事件可触发发布偏好分析模型的数据加载流程，以在后续对该发布偏好分析模型的参数层信息进行迭代更新，在该发布偏好分析模型的数据加载流程，该第一样本短视频发布事件可确定该第一样本短视频发布事件和第二样本短视频发布事件之间的第一发布偏好关联性，进而则可基于该第一发布偏好关联性对发布偏好分析模型的参数层信息进行迭代更新。例如，该第一样本短视频发布事件在基于发布偏好分析模型分析第一样本短视频发布事件和第二样本短视频发布事件之间的第一发布偏好关联性时，可在获取到第一样本短视频发布事件发布的发布属性数据后，对发布偏好分析模型的参数层信息进行初始化，确定发布偏好分析模型的起始参数层信息。
19.一些示例性的设计思路中，发布互动进程响应的发布互动偏好数据将在发布互动
分析模型的数据记载流程中确定该第一样本短视频发布事件和第二样本短视频发布事件之间的第二发布偏好关联性，那么，基于对第二发布偏好关联性的确定，该第一样本短视频发布事件可获得该第二发布偏好关联性，从而基于该第一发布偏好关联性和第二发布偏好关联性对联邦学习模型进行迭代更新。其中，该发布偏好分析模型的数据记载流程和发布互动分析模型的数据记载流程没有必然的处理先后关系。
20.步骤s102，从页面互动分析进程获取第一样本短视频发布事件和第二样本短视频发布事件之间的第二发布偏好关联性，第二发布偏好关联性是由页面互动分析进程基于发布互动分析模型分析输出的。
21.该页面互动分析进程是针对发布互动进程的分析模型，一些示例性的设计思路中，在目标短视频服务页面配置的发布互动进程的数量为一个或多个，那么，该页面互动分析进程则将基于每个发布互动进程响应的发布互动偏好数据进行第二发布偏好关联性的分析，从而基于每个路侧发布互动进程对应的第二发布偏好关联性的分析结果，最终确定该第一样本短视频发布事件和第二样本短视频发布事件之间的第二发布偏好关联性。例如，该页面互动分析进程在确定该第一样本短视频发布事件和第二样本短视频发布事件之间的第二发布偏好关联性时，首先将对发布互动分析模型的参数层信息进行初始化，确定发布互动分析模型的起始参数层信息，该发布互动分析模型的起始参数层信息可由he，0表示，且满足he，0=[1，
…
，1]t，那么，该页面互动分析进程则可基于起始参数层信息he，0和响应的发布互动偏好数据ds确定第二发布偏好关联性，其中，第二发布偏好关联性。一些示例性的设计思路中，在目标短视频服务页面包含多个（假设为n个）发布互动进程的基础上，该发布互动分析模型的起始参数层信息则可表示为he，i，0，且he，i，0=[1，
…
，1]t，（i，
…
，n），换言之说，发布互动偏好数据是由一个或多个发布互动进程进行请求响应获得的，其具体可表示为ds，（i，
…
，n），且发布互动分析模型的起始参数层信息的数量与发布互动进程的数量相同，发布互动分析模型的任一起始参数层信息表征相应发布互动进程响应的发布互动偏好数据的影响权重。
[0022]
在目标短视频服务页面中所包含的发布互动进程的数量为n个时，页面互动分析进程在基于起始参数层信息和响应的发布互动偏好数据确定第二发布偏好关联性时，可先获取任一发布互动进程响应的发布互动偏好数据，及对应的起始参数层信息，然后则可基于对应的起始参数层信息，对相应发布互动进程响应的发布互动偏好数据进行融合，确定第二发布偏好关联性。
[0023]
页面互动分析进程基于目标短视频服务页面中配置的n个发布互动进程响应的发布互动偏好数据确定第一样本短视频发布事件和第二样本短视频发布事件之间的第二发布偏好关联性之后，还可确定该发布互动分析模型对应训练代价计算层的起始计算参数值。
[0024]
在页面互动分析进程基于目标短视频服务页面中的n个发布互动进程响应的发布互动偏好数据，以及发布互动分析模型的起始参数层信息he，0获得第一样本短视频发布事件和第二样本短视频发布事件之间的第二发布偏好关联性，以及发布互动分析模型对应训练代价计算层的起始计算参数值lr，0后，则可将第二发布偏好关联性及发布互动分析模型对应训练代价计算层的起始计算参数值lr，0编码上传到线上服务平台中，进而也就使得第一样本短视频发布事件可在线上服务平台的模型训练流程，从线上服务平台获取编码数
据，实现对第二发布偏好关联性及发布互动分析模型对应训练代价计算层的起始计算参数值lr，0的获取。
[0025]
一些示例性的设计思路中，页面互动分析进程在将第二发布偏好关联性及发布互动分析模型对应训练代价计算层的起始计算参数值lr，0编码上传到线上服务平台时，可将第二发布偏好关联性及发布互动分析模型对应训练代价计算层的起始计算参数值lr，0进行分别编码上传，或者，该页面互动分析进程也可将第二发布偏好关联性及发布互动分析模型对应训练代价计算层的起始计算参数值lr，0进行联合编码上传，一些示例性的设计思路中不做限定，而该第一样本短视频发布事件在从页面互动分析进程获取第一样本短视频发布事件和第二样本短视频发布事件之间的第二发布偏好关联性时，则可通过线上服务平台从页面互动分析进程获取编码数据，进而则可对编码数据进行解码，并从解码数据中获得第二发布偏好关联性。一些示例性的设计思路中，基于对编码数据的处理，还可获得该发布互动分析模型对应训练代价计算层的起始计算参数值。
[0026]
在第一样本短视频发布事件获得由发布偏好分析模型分析输出的第一样本短视频发布事件与第二样本短视频发布事件之间的第一发布偏好关联性，以及有发布互动分析模型分析输出的第一样本短视频发布事件与第二样本短视频发布事件之间的第二发布偏好关联性后，则可基于该第一发布偏好关联性和第二发布偏好关联性生成针对联邦学习模型的模型分析反馈信息，并进一步可基于该模型分析反馈信息进行参数层信息的更新优化，即转而执行步骤s103。
[0027]
步骤s103，基于第一发布偏好关联性和第二发布偏好关联性生成对应的模型分析反馈信息，并基于模型分析反馈信息更新发布偏好分析模型的参数层信息；模型分析反馈信息还被配置于页面互动分析进程更新发布互动分析模型的参数层信息。
[0028]
步骤s104，基于发布偏好分析模型迭代优化后的参数层信息及发布互动分析模型迭代优化后的参数层信息生成偏好分析部署模型，偏好分析部署模型被配置于分析不同短视频发布事件之间的发布偏好关联性。
[0029]
一些示例性的设计思路中，该第一样本短视频发布事件可在参数层信息更新阶段，实现基于第一发布偏好关联性和第二发布偏好关联性生成出的模型分析反馈信息，来进行参数层信息的更新，其中，该第一样本短视频发布事件在基于第一发布偏好关联性和第二发布偏好关联性生成出模型分析反馈信息时，则可先获取目标发布偏好关联性，一些示例性的设计思路中，目标发布偏好关联性是指：结合发布属性数据和发布偏好分析模型，以及发布互动偏好数据和发布互动分析模型进行联合确定的发布偏好关联性，其中，该目标发布偏好关联性也就是上述的联邦学习模型对应函数表达式的计算参数值，其中，该目标发布偏好关联性可由y进行标识，在该第一样本短视频发布事件获得该目标发布偏好关联性后，则可基于第一发布偏好关联性，第二发布偏好关联性和目标发布偏好关联性，确定模型分析反馈信息。
[0030]
在第一样本短视频发布事件得到模型分析反馈信息后，基于该模型分析反馈信息进行联邦学习模型的迭代优化流程，即是基于该模型分析反馈信息分别对发布偏好分析模型的参数层信息进行优化的过程，以及对发布互动分析模型的参数层信息进行优化的过程。一些示例性的设计思路中，发布偏好分析模型迭代优化后的参数层信息和发布互动分析模型迭代优化后的参数层信息是基于至少一个训练阶段的迭代优化后确定的，模型分析
反馈信息被用于在当前训练阶段更新发布偏好分析模型的参数层信息，以及被配置于页面互动分析进程更新发布互动分析模型的参数层信息；其中，该第一样本短视频发布事件在基于模型分析反馈信息在首轮更新发布偏好分析模型的参数层信息，以及使页面互动分析进程更新发布互动分析模型的参数层信息时，可在获取到发布偏好分析模型的起始参数层信息wc，0后，基于模型分析反馈信息更新发布偏好分析模型的起始参数层信息；以及，将模型分析反馈信息传递至页面互动分析进程，以便页面互动分析进程基于模型分析反馈信息更新发布互动分析模型的起始参数层信息。
[0031]
一些示例性的设计思路中，第一样本短视频发布事件在基于模型分析反馈信息更新发布偏好分析模型的起始参数层信息时，可先基于模型分析反馈信息，获得当前对发布偏好分析模型的起始参数层信息wc，0进行优化时的优化矢量值。在具体实现中，该第一样本短视频发布事件可先获取当前全局训练代价参数，以及对发布偏好分析模型的起始参数层信息进行优化时对应的第一优化矢量函数，然后则可基于当前全局训练代价参数对第一优化矢量函数进行反向传播，并依据模型分析反馈信息确定当前对发布偏好分析模型的起始参数层信息进行优化时的优化矢量值。一些示例性的设计思路中，基于上述的联邦学习模型，由于该联邦学习模型包含发布偏好分析模型和发布互动分析模型，那么，则可基于发布偏好分析模型的训练代价计算层，发布互动分析模型的训练代价计算层，以及发布偏好分析模型和发布互动分析模型之间的交互训练代价计算层构建得到该联邦学习模型对应的全局训练代价参数。
[0032]
基于上述的训练代价计算层，该第一样本短视频发布事件获取的在首轮迭代优化后的当前全局训练代价参数可由l0进行表示，该当前全局训练代价参数可由第一样本短视频发布事件基于发布偏好分析模型的训练代价计算层，并依据发布偏好分析模型的起始参数层信息和第一样本短视频发布事件发布的发布属性数据，确定发布偏好分析模型的当前训练代价参数，并从页面互动分析进程获取发布互动分析模型的当前训练代价参数，以及基于从页面互动分析进程获取的第二发布偏好关联性，发布偏好分析模型的起始参数层信息，以及第一样本短视频发布事件发布的发布属性数据，确定发布偏好分析模型和发布互动分析模型之间的当前协同训练代价参数后，基于发布偏好分析模型的当前训练代价参数，发布互动分析模型的当前训练代价参数，以及当前协同训练代价参数，确定当前全局训练代价参数。
[0033]
基于该第一样本短视频发布事件获取到的当前全局训练代价参数，由于对训练代价计算层求导处理，可得到对应的优化矢量函数，那么，基于全局训练代价计算层l进行求导处理得到的优化矢量函数d，进而该第一样本短视频发布事件可获得针对发布偏好分析模型的起始参数层信息的优化矢量值d0，然后，该第一样本短视频发布事件则可基于发布偏好分析模型的起始参数层信息的优化矢量值，并基于第一训练方向参数对发布偏好分析模型的起始参数层信息进行优化。一些示例性的设计思路中，基于对全局训练代价参数l进行求导处理得到的针对发布偏好分析模型的起始参数层信息的优化矢量函数可由进行表示。
[0034]
基于针对发布偏好分析模型的起始参数层信息的优化矢量函数，以及由第一样本短视频发布事件发布的发布属性数据，可得到该发布偏好分析模型的起始参数层信息对应的优化矢量值。其中，该第一样本短视频发布事件获取到的针对该发布偏好分析模型的起
始参数层信息对应的优化矢量值也可被称为发布偏好分析模型的起始优化矢量值，那么，该计算机设备可进一步获取训练方向参数，从而可基于优化矢量下降法对发布偏好分析模型的参数层信息进行优化。一些示例性的设计思路中，第一样本短视频发布事件在基于优化矢量下降法对发布偏好分析模型的参数层信息进行优化时，则可基于上述的和获得的训练方向参数对发布偏好分析模型的参数层信息进行优化。
[0035]
该第一样本短视频发布事件在对发布偏好分析模型的起始参数层信息进行迭代优化后，则可获取更新发布偏好分析模型的起始参数层信息之后确定的发布偏好分析模型的中间参数层信息，并基于中间参数层信息对模型分析反馈信息进行优化；进而可迭代更新发布偏好分析模型的参数层信息和模型分析反馈信息，直至得到发布偏好分析模型迭代优化后的参数层信息。
[0036]
一些示例性的设计思路中，该发布互动分析模型包括被配置到任一发布互动进程中的互动偏好分析单元，发布互动进程的数量为一个或多个，那么，当发布互动进程的数量为多个时，页面互动分析进程基于模型分析反馈信息更新发布互动分析模型的起始参数层信息的方式则可以是，首先，该页面互动分析进程将从线上服务平台获得该第一样本短视频发布事件确定的模型分析反馈信息d0，然后，该页面互动分析进程则可基于任一发布互动进程响应的发布互动偏好数据和模型分析反馈信息，确定任一发布互动进程中的互动偏好分析单元对发布互动分析模型的起始参数层信息进行优化时的参考优化矢量值。每个发布互动进程在得到相应互动偏好分析单元的参考优化矢量值后，则可将每个发布互动进程对应的参考优化矢量值进行求和，确定针对发布互动分析模型的起始参数层信息的优化矢量值。
[0037]
在页面互动分析进程得到针对发布互动分析模型的起始参数层信息的优化矢量值后，则可基于发布互动分析模型的起始参数层信息的优化矢量值，并基于第二训练方向参数对发布互动分析模型的起始参数层信息进行迭代优化，其中，该第二训练方向参数可和上述的第一训练方向参数相同，也可以和上述的第一训练方向参数不同，在该第二训练方向参数和上述的第一训练方向参数相同时，该第二训练方向参数也可由进行表示。一些示例性的设计思路中，该页面互动分析进程基于第二训练方向参数对发布互动分析模型的起始参数层信息进行迭代优化的过程，也是基于优化矢量下降法对发布互动分析模型的参数层信息进行优化的过程。
[0038]
此外，在基于优化矢量（梯度）下降算法那对发布互动分析模型的参数层信息进行优化时，还可参考由相应的发布互动进程响应的发布互动偏好数据在页面互动分析进程得到发布互动分析模型对应迭代优化后的参数层信息后，也可通过云端将该发布互动分析模型对应迭代优化后的参数层信息发送到第一样本短视频发布事件中，而在该第一样本短视频发布事件获取到该发布互动分析模型对应迭代优化后的参数层信息后，则可结合发布偏好分析模型对应迭代优化后的参数层信息生成得到偏好分析部署模型，即可转而执行步骤s104。
[0039]
本实施例中，第一样本短视频发布事件可在基于发布偏好分析模型，并基于该第一样本短视频发布事件发布的发布属性数据，确定该第一样本短视频发布事件和第二样本短视频发布事件之间的第一发布偏好关联性后，还可从页面互动分析进程获得该第一样本短视频发布事件与第二样本短视频发布事件之间的第二发布偏好关联性，从而使该第一样
本短视频发布事件在未从页面互动分析进程获取发布互动偏好数据的基础上，实现对该发布互动偏好数据的特征学习。在得到该第一发布偏好关联性和第二发布偏好关联性后，该第一样本短视频发布事件可基于获取的第一发布偏好关联性和第二发布偏好关联性生成对应的模型分析反馈信息，由此可依据该模型分析反馈信息对发布偏好分析模型的参数层信息进行处理，以及使页面互动分析进程对发布互动分析模型的参数层信息进行优化，进而使得第一样本短视频发布事件充分基于由第一样本短视频发布事件发布的发布属性数据、事件数据、以及发布互动进程响应的发布互动偏好数据进行模型更新，进而提高模型更新可靠性，而基于迭代优化后的参数层信息生成得到的偏好分析部署模型则可准确确定不同短视频发布事件之间的发布偏好关联性，提高偏好关联性分析精度。且由于在得到模型分析反馈信息后，该第一样本短视频发布事件和页面互动分析进程将分别进行参数层信息优化，有效利用短视频发布事件和发布互动进程的实时数据信息进行模型训练。
[0040]
步骤s105，基于所述偏好分析部署模型分析任意加载的第一目标短视频发布事件和第二目标短视频发布事件之间的发布偏好关联性，并基于所述发布偏好关联性确定所述第一目标短视频发布事件对应的第一目标用户和第二目标短视频发布事件对应的第二目标用户之间的吸引度，以获得每个第一目标用户与其它各个第二目标用户之间的吸引度。
[0041]
例如，可以预先设定不同的发布偏好关联性所对应的关联性区间与吸引度之间的映射关系，进而可以基于该映射关系和该发布偏好关联性确定所述第一目标短视频发布事件对应的第一目标用户和第二目标短视频发布事件对应的第二目标用户之间的吸引度，由此可以获得每个第一目标用户与其它各个第二目标用户之间的吸引度。其中，吸引度可以用于表示两个用户之间存在相匹配用户画像的可能性。
[0042]
步骤s106，基于所述每个第一目标用户与其它各个第二目标用户之间的吸引度，在所述第一目标用户下一次发起短视频发布事件时向所述其它各个第二目标用户进行数据内容分享。
[0043]
例如，当第一目标用户与其它任意一个第二目标用户之间的吸引度大于预设吸引度时，即可在所述第一目标用户下一次发起短视频发布事件时向所述其它各个第二目标用户进行数据内容分享。
[0044]
譬如，在所述第一目标用户下一次发起短视频发布事件时向所述其它各个第二目标用户进行数据内容分享的具体实现方式可以通过下述步骤实现。
[0045]
步骤s1061，获取所述第一目标用户下一次发起短视频发布事件时所对应的用户活动路径数据；步骤s1062，基于所述用户活动路径数据，获取所述短视频发布事件的各个发布意图知识点；步骤s1063，获取多个在线短视频发布元素库，一个在线短视频发布元素库对应一种发布意图知识点，每个在线短视频发布元素库包括多个参数不同的在线短视频发布元素。
[0046]
步骤s1064，为每个发布意图知识点执行下述步骤：基于所述发布意图知识点获取对应的在线短视频发布元素库中的一个在线短视频发布元素作为候选短视频发布元素，基于各个候选短视频发布元素进行与所述用户活动路径数据对应的内容推送网络构建，从而形成目标内容推送网络。其中，所述目标内容推送网络包括各个通过不同视频元素逻辑关
系进行连接的候选短视频发布元素。
[0047]
步骤s1065，基于所述目标内容推送网络向所述其它各个第二目标用户进行数据内容分享。
[0048]
基于以上步骤，通过在线短视频发布元素库来获取到与用户活动路径数据所对应的各个发布意图知识点基本匹配的在线短视频发布元素作为候选短视频发布元素，克服了直接用用户活动路径数据进行内容推送所带来的噪声等因素的影响。
[0049]
譬如，一些可能的实施方式中，所述基于所述用户活动路径数据，获取短视频发布事件的各个发布意图知识点包括：获取预先训练的发布意图挖掘模型；将所述用户活动路径数据加载到所述预先训练的发布意图挖掘模型，从而获取预先训练的发布意图挖掘模型所输出的发布意图字段，其中，一个所述发布意图字段表示一种在线短视频发布元素。
[0050]
譬如，一些可能的实施方式中，所述发布意图字段包括共享发布意图知识点；当所述发布意图字段为共享发布意图知识点时，所述获取短视频发布事件的各个发布意图知识点进一步包括：获取该所述共享发布意图知识点所对应的用户活动路径数据中的数据，该数据称为共享数据；获取该所述共享数据的共享业务节点信息；获取预设业务节点数据库，所述业务节点数据库包括多个预设业务节点数据以及每个业务节点数据所对应的业务节点意图知识点；分析所述共享数据的共享业务节点信息是否与各个预设业务节点数据满足第一目标要求，所述第一目标要求对应一个发布意图知识点，若是则获取满足第一目标要求的预设业务节点数据所对应的业务节点意图知识点作为所述共享发布意图知识点的发布意图知识点。
[0051]
譬如，一些可能的实施方式中，所述基于所述发布意图知识点获取对应的在线短视频发布元素库中的一个在线短视频发布元素作为候选短视频发布元素包括：计算所述发布意图知识点分别与其对应的在线短视频发布元素库中的各个在线短视频发布元素的匹配参数值；分析所获取的各个匹配参数值中，是否有一个匹配参数值超过预设匹配参数值，若是，则获取超过预设匹配参数值的匹配参数值所对应的在线短视频发布元素作为该发布意图知识点的候选短视频发布元素。
[0052]
譬如，一些可能的实施方式中，所述在线短视频发布元素的参数包括视频标签参数，在每个在线短视频发布元素库中，每个在线短视频发布元素具有唯一视频标签参数；所述基于所述发布意图知识点获取对应的在线短视频发布元素库中的一个在线短视频发布元素作为候选短视频发布元素包括：获取预先训练的短视频发布元素挖掘模型；将发布意图知识点加载到所述预先训练的短视频发布元素挖掘模型，从而获取预先训练的短视频发布元素挖掘模型所输出的模型挖掘信息，所述模型挖掘信息表示发布意图知识点的视频标签参数；获取与所述发布意图知识点的视频标签参数相同的唯一视频标签参数所对应的在线短视频发布元素的作为候选短视频发布元素。
[0053]
譬如，一些可能的实施方式中，当没有与所述发布意图知识点的视频标签参数相同的唯一视频标签参数所对应的在线短视频发布元素时，该没有与所述发布意图知识点的视频标签参数相同的唯一视频标签参数所对应的在线短视频发布元素的发布意图知识点称为模糊发布意图知识点，所述基于所述发布意图知识点获取对应的在线短视频发布元素库中的一个在线短视频发布元素作为候选短视频发布元素进一步包括：分解模糊发布意图知识点，从而获取各个发布意图知识分量；分解与所述发布意图知识点对应的在线短视频
发布元素库中的各个在线短视频发布元素，从而获得每个在线短视频发布元素的预设发布意图知识分量；为每个发布意图知识分量执行下述步骤：计算发布意图知识分量与各个预设发布意图知识分量的匹配参数值；分析是否有一个匹配参数值大于预设匹配参数值，若是，则获取该匹配参数值大于预设匹配参数值的预设发布意图知识分量；将各个获取的所述预设发布意图知识分量进行拼接，从而形成该模糊发布意图知识点的候选短视频发布元素。
[0054]
图2示意性地示出了可被用于实现本技术中所述的各个实施例的基于短视频发布的信息检测系统100。
[0055]
对于一个实施例，图2示出了基于短视频发布的信息检测系统100，该基于短视频发布的信息检测系统100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的至少一个的控制模块104、被耦合到控制模块104的存储器106、被耦合到控制模块104的nvm/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110，和被耦合到控制模块104的网络接口112。为非易失性存储器存储设备。
[0056]
处理器102可包括一个或多个单核或多核处理器，处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，基于短视频发布的信息检测系统100能够作为本技术实施例中所述网关等服务器设备。
[0057]
在一些实施例中，基于短视频发布的信息检测系统100可包括具有指令114的一个或多个计算机可读介质(例如，存储器106或nvm/存储设备108)和与该一个或多个计算机可读介质相合并被配置为执行指令114以实现模块从而执行本实施例中所述的动作的一个或多个处理器102。
[0058]
对于一个实施例，控制模块104可包括任意适当的接口控制器，以向(一个或多个)处理器102中的至少一个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
[0059]
控制模块104可包括存储器控制器模块，以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
[0060]
存储器106可被用于例如为基于短视频发布的信息检测系统100加载和存储数据和/或指令114。对于一个实施例，存储器106可包括任意适当的易失性存储器，例如，适当的dram。在一些实施例中，存储器106可包括双倍数据速率类型四同步动态随机存取存储器(ddr4sdram)。
[0061]
对于一个实施例，控制模块104可包括一个或多个输入/输出控制器，以向nvm/存储设备108及一个或多个输入/输出设备110提供接口。
[0062]
例如，nvm/存储设备108可被用于存储数据和/或指令114。nvm/存储设备108可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(hdd)、一个或多个光盘(cd)驱动器和/或一个或多个数字通用光盘(dvd)驱动器)。
[0063]
nvm/存储设备108可包括在物理上作为基于短视频发布的信息检测系统100被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，nvm/存储设备108可依据网络经由(一个或多个)输入/输出设备110进行访问。
[0064]
(一个或多个)输入/输出设备110可为基于短视频发布的信息检测系统100提供接
口以与任意其他适当的设备通信，输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为基于短视频发布的信息检测系统100提供接口以依据一个或多个网络通信，基于短视频发布的信息检测系统100可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如wifi、2g、3g、4g、5g等，或它们的组合进行无线通信。
[0065]
对于一个实施例，(一个或多个)处理器102中的至少一个可与控制模块104的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器102中的至少一个可与控制模块104的一个或多个控制器的逻辑封装在一起以形成系统级封装(sip)。对于一个实施例，(一个或多个)处理器102中的至少一个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器102中的至少一个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(soc)。
[0066]
在各个实施例中，基于短视频发布的信息检测系统100可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，基于短视频发布的信息检测系统100可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，基于短视频发布的信息检测系统100包括一个或多个摄像机、键盘、液晶显示器(lcd)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(asic)和扬声器。
[0067]
本技术实施例提供了一种电子设备，包括：一个或多个处理器；和，其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如本技术中一个或多个所述的数据处理方法。
[0068]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0069]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0070]
本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、和流程图和/或方框图中的流程和/或方框的依据。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得依据计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0071]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0072]
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程
和/或方框图一个方框或多个方框中指定的功能的步骤。
[0073]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例和落入本技术实施例范围的所有变更和修改。
[0074]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0075]
以上对本技术进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。