CN114492750B 反馈信息预估模型的训练方法、装置、设备和介质 （腾讯科技（深圳）有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114492750B(45)授权公告日2025.07.04

(21)申请号202210080869.6

(22)申请日2022.01.24

(65)同一申请的已公布的文献号申请公布号CN114492750A

(43)申请公布日2022.05.13

(73)专利权人腾讯科技(深圳)有限公司

地址518044广东省深圳市南山区高新区

科技中一路腾讯大厦35层

(72)发明人石志林

(74)专利代理机构北京同达信恒知识产权代理有限公司11291

专利代理师朱佳

(51)Int.CI.

GO6N3/096(2023.01)

GO6N3/045(2023.01)

GO6F18/213(2023.01)

GO6F18/214(2023.01)

GO6F18/25(2023.01)

(56)对比文件

CN110851713A,2020.02.28

谭晓等.“基于多模态特征融合的个性化视频推荐方法”.《智能计算机与应用》.2020,第10卷(第12期),期刊第2-4节.

审查员侯德芹

权利要求书3页说明书24页附图11页

(54)发明名称

反馈信息预估模型的训练方法、装置、设备

和介质

(57)摘要

CN114492750B本申请涉及计算机技术领域，尤其涉及一种反馈信息预估模型的训练方法、装置、设备和介质，可应用于云技术、人工智能、智慧交通、车联网等各种场景，用以快捷灵活地检测对象。该方法包括：获取训练数据样本集，其中，每份训练数据样本包括：样本对象对应的对象特征，具有不同数据类型的第一多媒体样本和第二多媒体样本及其各自的内容特征，及样本对象针对第一多媒体样本产生的第一实际反馈信息和针对第二多媒体样本产生的第二实际反馈信息；基于训练数据样本集，对待训练的反馈信息预估模型进行迭代训练，直到输出训练后的目标反馈信息预估模型为止。由于本申请中加入反馈信息不具稀疏

CN114492750B

服务器获取训练数据样本集，其中，每份训练数据样本包括：

服务器获取训练数据样本集，其中，每份训练数据样本包括：一

个样本对象对应的对象特征，具有不同数据类型的一个第一多媒

体样本和一个第二多媒体样本及其各自的内容特征，以及一个样

本对象针对第一多媒体样本产生的第一实际反馈信息和针对第二

多媒体样本产生的第二实际反馈信息

S22

服务器基于训练数据样本集，对待训练的反馈信息预估模型

进行迭代训练，直到输出训练后的目标反馈信息预估模型为

止，其中，在一次迭代过程中，执行以下操作：

S221

将提取的训练数据样本输入到待训练的反馈信息预估模型

中，输出相应的第一多媒体样本的第一预估反馈信息，及相应的第二多媒体样本的第二预估反馈信息

根据第一预估反馈信息和相应的第一实际反馈信息之间的差异、第二预估反馈信息以及相应的第二实际反馈信息之个

间的差异，对待训练的反馈信息预估模型中的参数进行调整

S222

S21

CN114492750B权利要求书1/3页

2

1.一种反馈信息预估模型训练方法，其特征在于，该方法包括：

获取训练数据样本集，其中，每份训练数据样本包括：一个样本对象对应的对象特征，具有不同数据类型的一个第一多媒体样本和一个第二多媒体样本及其各自的内容特征，以及所述一个样本对象针对所述第一多媒体样本产生的第一实际反馈信息和针对所述第二多媒体样本产生的第二实际反馈信息；

基于所述训练数据样本集，对待训练的反馈信息预估模型进行迭代训练，直到输出训练后的目标反馈信息预估模型为止，其中，在一次迭代过程中，执行以下操作：

基于所述待训练的反馈信息预估模型，对提取的训练数据样本进行特征提取，获得所述训练数据样本中第一多媒体样本的内容特征对应的第一特征向量、第二多媒体样本的内容特征对应的第二特征向量，以及综合特征向量；其中，所述综合特征向量，是根据所述训练数据样本中第一多媒体样本的内容特征、第二多媒体样本的内容特征、以及样本对象的对象特征进行特征融合后获得的；

对所述第一特征向量、所述第二特征向量以及所述综合特征向量分别进行特征分析，获取相应第一多媒体样本对应的第一预估反馈信息矩阵，以及相应第二多媒样本对应的第二预估反馈信息矩阵；

基于所述第一预估反馈信息矩阵、所述第二预估反馈信息矩阵以及预设的归一化函数，分别确定所述第一多媒体样本对应的第一预估反馈信息，以及所述第二多媒体样本对应