一种基于短视频发布的信息检测方法及系统与流程

文档序号:31047842发布日期:2022-08-06 05:52阅读:来源:国知局

技术特征:
1.一种基于短视频发布的信息检测方法,其特征在于,应用于基于短视频发布的信息检测系统,该方法包括: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。2.根据权利要求1所述的基于短视频发布的信息检测方法,其特征在于,所述发布偏好分析模型迭代优化后的参数层信息和所述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,所述模型分析反馈信息被用于在当前训练阶段迭代优化所述发布偏好分析模型的参数层信息,以及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;其中,基于所述模型分析反馈信息在首轮迭代优化所述发布偏好分析模型的参数层信息,以及使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的步骤,具体包括:获取所述发布偏好分析模型的起始参数层信息,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起始参数层信息;将所述模型分析反馈信息传递至所述页面互动分析进程,以便所述页面互动分析进程基于所述模型分析反馈信息迭代优化所述发布互动分析模型的起始参数层信息;所述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起始参数层信息的步骤,具体包括:基于所述模型分析反馈信息,获得当前对所述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;基于所述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所述发布偏好分析模型的起始参数层信息进行优化,所述第一训练方向参数用于表示所述优化矢量值向训练代价参数最优解移动的步长;
所述基于所述模型分析反馈信息,获得当前对所述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的步骤,具体包括:获取当前全局训练代价参数,以及对所述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;基于所述当前全局训练代价参数对所述第一优化矢量函数进行反向传播,并依据所述模型分析反馈信息确定当前对所述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;所述获取当前全局训练代价参数的步骤,具体包括:基于发布偏好分析模型的训练代价计算层,并依据所述发布偏好分析模型的起始参数层信息和所述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;从所述页面互动分析进程获取所述发布互动分析模型的当前训练代价参数;基于从所述页面互动分析进程获取的第二发布偏好关联性,所述发布偏好分析模型的起始参数层信息,以及所述第一样本短视频发布事件发布的发布属性数据,确定所述发布偏好分析模型和所述发布互动分析模型之间的当前协同训练代价参数;基于所述发布偏好分析模型的当前训练代价参数,所述发布互动分析模型的当前训练代价参数,以及所述当前协同训练代价参数,确定当前全局训练代价参数。3.根据权利要求2所述的基于短视频发布的信息检测方法,其特征在于,所述方法还包括:获取迭代优化所述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,并基于所述中间参数层信息对所述模型分析反馈信息进行优化;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。4.根据权利要求2所述的基于短视频发布的信息检测方法,其特征在于,所述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,当所述发布互动进程的数量为多个时,所述页面互动分析进程基于所述模型分析反馈信息迭代优化所述发布互动分析模型的起始参数层信息的步骤,具体包括:所述页面互动分析进程基于任一发布互动进程响应的发布互动偏好数据和所述模型分析反馈信息,确定所述任一发布互动进程中的互动偏好分析单元对所述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;所述页面互动分析进程将每个发布互动进程对应的参考优化矢量值进行求和,确定针对所述发布互动分析模型的起始参数层信息的优化矢量值;基于所述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所述发布互动分析模型的起始参数层信息进行迭代优化。5.根据权利要求1所述的基于短视频发布的信息检测方法,其特征在于,所述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的步骤,具体包括:从所述页面互动分析进程获取编码数据,所述编码数据是所述页面互动分析进程基于响应的发布互动偏好数据和发布互动分析模型确定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计算参数值之后,对所述第二发布偏好关联性和所述发布互动分析模型对应训练代价计算层的计算参数值进行编码后确定的;对所述编码数据进行解码,并从解码数据中获得第二发布偏好关联性。6.根据权利要求5所述的基于短视频发布的信息检测方法,其特征在于,所述页面互动分析进程确定所述第二发布偏好关联性和所述发布互动分析模型对应训练代价计算层的计算参数值的步骤,具体包括:所述页面互动分析进程对所述发布互动分析模型的参数层信息进行初始化,确定所述发布互动分析模型的起始参数层信息;所述页面互动分析进程基于所述发布互动分析模型的起始参数层信息和响应的发布互动偏好数据确定所述第二发布偏好关联性,以及所述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。7.根据权利要求6所述的基于短视频发布的信息检测方法,其特征在于,所述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,所述发布互动分析模型的起始参数层信息的数量与所述发布互动进程的数量相同,所述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;当所述发布互动偏好数据由多个发布互动进程响应获得时,所述页面互动分析进程基于所述发布互动分析模型的起始参数层信息和响应的发布互动偏好数据确定所述第二发布偏好关联性的步骤,具体包括:所述页面互动分析进程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;所述页面互动分析进程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,确定所述第二发布偏好关联性。8.根据权利要求1所述的基于短视频发布的信息检测方法,其特征在于,所述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的步骤,具体包括:获取所述第一样本短视频发布事件发布的发布属性数据,并对所述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;基于所述发布偏好分析模型的起始参数层信息对所述发布属性数据进行发布偏好关联性分析,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一发布偏好关联性。9.根据权利要求1所述的基于短视频发布的信息检测方法,其特征在于,所述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出模型分析反馈信息的步骤,具体包括:获取目标发布偏好关联性,所述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;基于所述第一发布偏好关联性,所述第二发布偏好关联性和所述目标发布偏好关联性,确定模型分析反馈信息。10.一种基于短视频发布的信息检测系统,其特征在于,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,该机器可读存储介质中存储有机器可执行指令,该机器可执行指令由该处理器加载并执行以实现权利要求1-9中任意一项的基于短视频发布的信息检测方法。

技术总结
本申请提供一种基于短视频发布的信息检测方法及系统,可以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,实现对发布互动偏好数据的特征学习,并且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、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。息进行模型训练。息进行模型训练。


技术研发人员:杨爽 谢匡华 朱福青 谢匡亮 何春
受保护的技术使用者:长沙美哒网络科技有限公司
技术研发日:2022.07.05
技术公布日:2022/8/5
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1