本技术涉及互联网,具体涉及一种内容推送方法、装置及存储介质。
背景技术:
1、随着网络技术的发展,通过网络进行视频推送越来越普及。目前,视频推送方式,一般是基于传统向量召回方式进行素材选择:通过各种方式学习建模来获得素材,基于素材构建向量库,通过向量检索方式从向量库中筛选出待推送的素材,并对筛选出的素材进行推送。然而,这种方式构建向量库进行素材筛选,不能保证筛选出的素材与推送业务指标的相关性,降低了推送的准确性,导致素材难以获得曝光机会,推送效果较差。
技术实现思路
1、本技术实施例提供一种内容推送方法、装置及存储介质,可以提升对内容推送的推送效果。
2、为解决上述技术问题,本技术实施例提供以下技术方案:
3、本技术实施例提供了一种内容推送方法,包括:
4、获取待推送的视频作品,并从所述视频作品中提取预设视频帧作为候选推送内容;
5、通过分类模型对所述候选推送内容进行特征提取,得到所述候选推送内容对应的内容特征;
6、通过所述分类模型基于所述内容特征进行交互行为识别,得到被推送对象针对所述候选推送内容执行交互行为的概率;
7、从所述候选推送内容中筛选出概率大于预设阈值的推送内容,得到目标推送内容;
8、对所述目标推送内容进行推送;
9、其中,所述分类模型基于推送内容样本预测得到的交互行为的第一预测结果、第二预测结果、以及所述推送内容样本对应的交互行为标签进行学习得到,所述第一预测结果基于所述推送内容样本进行第一次特征丢弃后预测得到,所述第二预测结果基于所述推送内容样本进行第二次特征丢弃后预测得到。
10、根据本技术的一个方面,还提供了一种内容推送装置,包括:
11、获取模块,用于获取待推送的视频作品,并从所述视频作品中提取预设视频帧作为候选推送内容;
12、提取模块,用于通过分类模型对所述候选推送内容进行特征提取,得到所述候选推送内容对应的内容特征;
13、识别模块,用于通过所述分类模型基于所述内容特征进行交互行为识别,得到被推送对象针对所述候选推送内容执行交互行为的概率;
14、筛选模块,用于从所述候选推送内容中筛选出概率大于预设阈值的推送内容,得到目标推送内容;
15、推送模块,用于对所述目标推送内容进行推送;
16、其中,所述分类模型基于推送内容样本预测得到的交互行为的第一预测结果、第二预测结果、以及所述推送内容样本对应的交互行为标签进行学习得到,所述第一预测结果基于所述推送内容样本进行第一次特征丢弃后预测得到,所述第二预测结果基于所述推送内容样本进行第二次特征丢弃后预测得到。
17、在一些实施方式中,所述获取模块包括:
18、获取子模块,用于获取所述视频作品的属性信息;
19、提取子模块,用于根据所述属性信息,从所述视频作品中提取预设视频帧,得到初始推送内容;
20、过滤子模块,用于对所述初始推送内容进行低质内容识别,并将识别出的低质推送内容过滤,得到候选推送内容。
21、在一些实施方式中,所述过滤子模块具体用于:
22、通过判别模型的多个判别分支分别对所述初始推送内容进行清晰度、不合格图标、以及敏感信息中至少一种的识别;
23、将识别出的清晰度小于预设清晰度阈值、包含不合格图标、或者包含敏感信息的推送内容作为低质推送内容并进行过滤,得到候选推送内容。
24、在一些实施方式中,所述推送模块具体用于:
25、确定与所述目标推送内容匹配的推送策略,基于所述推送策略向多个被推送对象推送所述目标推送内容;
26、所述内容推送装置还包括:
27、统计模块,用于统计所述多个被推送对象对所述目标推送内容执行交互行为的交互数据;
28、分析模块,用于根据所述交互数据对所述目标推送内容进行推送分析。
29、在一些实施方式中,所述内容推送装置还包括:
30、样本获取模块,用于获取推送内容样本集,以及获取对应所述推送内容样本集中推送内容样本的交互行为标签,所述推送内容样本来自于视频作品,所述交互行为标签用于指示所述视频作品的被推送对象是否针对所述推送内容样本执行交互行为;
31、样本特征提取模块,用于通过分类模型对所述推送内容样本进行特征提取,得到所述推送内容样本的样本特征;
32、第一预测模块,用于通过所述分类模型对所述样本特征进行第一次特征丢弃,得到第一特征,并基于所述第一特征进行交互行为预测,得到第一预测结果;
33、第二预测模块,用于通过所述分类模型对所述样本特征进行第二次特征丢弃,得到第二特征,并基于所述第二特征进行交互行为预测,得到第二预测结果;
34、第一损失获取模块,用于根据所述第一预测结果、所述第二预测结果各自与所述交互行为标签之间的差异,获取第一损失;
35、第二损失获取模块,用于根据所述第一预测结果和所述第二预测结果之间的对称散度,获取第二损失;
36、调整模块,用于根据所述第一损失和所述第二损失,调整所述分类模型的参数,直至满足预设停止条件。
37、在一些实施方式中,所述样本特征提取模块具体用于:
38、在多个不同特征维度,通过所述分类模型对所述推送内容样本进行特征提取,得到所述推送内容样本的多维度样本特征,所述特征维度包括记忆性特征维度和非记忆性特征维度。
39、在一些实施方式中,所述内容推送装置还包括:
40、特征屏蔽模块,用于对所述推送内容样本集中部分推送内容样本,对应的样本特征进行记忆性特征维度的特征屏蔽。
41、在一些实施方式中,所述调整模块具体用于:
42、确定所述第一损失对应的第一权重,以及所述第二损失对应的第二权重;
43、根据所述第一权重和所述第二权重,对所述第一损失和所述第二损失进行加权求和,得到总损失;
44、根据所述总损失,调整所述分类模型的参数,直至满足预设停止条件。
45、根据本技术的一个方面,还提供了一种计算机设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时执行本技术实施例提供的任一种内容推送方法。
46、根据本技术的一个方面,还提供了一种存储介质,所述存储介质用于存储计算机程序,所述计算机程序被处理器加载,以执行本技术实施例提供的任一种内容推送方法。
47、根据本技术的一个方面,还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器加载,以执行本技术实施例提供的任一种内容推送方法。
48、本技术实施例可以获取待推送的视频作品,并从视频作品中提取预设视频帧作为候选推送内容;通过分类模型对候选推送内容进行特征提取,得到候选推送内容对应的内容特征;通过分类模型基于内容特征进行交互行为识别,得到被推送对象针对候选推送内容执行交互行为的概率;从候选推送内容中筛选出概率大于预设阈值的推送内容,得到目标推送内容;对目标推送内容进行推送。该方案中由于分类模型基于推送内容样本预测得到的交互行为的第一预测结果、第二预测结果、以及推送内容样本对应的交互行为标签进行学习得到,第一预测结果基于推送内容样本进行第一次特征丢弃后预测得到,第二预测结果基于推送内容样本进行第二次特征丢弃后预测得到,因此,使得分类模型不仅可以学习到交互行为相关的推送业务指标,而且可以提高分类模型的泛化能力,从而通过分类模型可以进行交互行为识别来快速筛选出较优的目标推送内容进行推送,提升了推送效果。