CN115600017B 特征编码模型训练方法及装置、媒体对象推荐方法及装置 （杭州网易云音乐科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115600017B(45)授权公告日2025.07.11

(21)申请号202211308060.0

(22)申请日2022.10.24

(65)同一申请的已公布的文献号申请公布号CN115600017A

(43)申请公布日2023.01.13

(73)专利权人杭州网易云音乐科技有限公司地址311215浙江省杭州市萧山区钱江世

纪城奔竞大道353号杭州国际博览中心A座1201室

(72)发明人赵鑫萍章莺肖强李勇

(74)专利代理机构北京律智知识产权代理有限公司11438

专利代理师孙宝海

GO6F16/435(2019.01)

GO6F18/22(2023.01)

GO6N3/0464(2023.01)

GO6N3/045(2023.01)

GO6N3/0455(2023.01)

GO6N3/0499(2023.01)

GO6N3/084(2023.01)

GO6N3/0985(2023.01)

(56)对比文件

CN112395499A,2021.02.23

US2018253496A1,2018.09.06审查员邓丽婉

(51)Int.CI.

GO6F16/9536(2019.01)权利要求书4页说明书18页附图7页

(54)发明名称

特征编码模型训练方法及装置、媒体对象推荐方法及装置

(57)摘要

CN115600017B本公开的实施方式提供了一种特征编码模型训练方法及装置、媒体对象推荐方法及装置，涉及人工智能技术领域。媒体对象推荐方法包括：获取待推荐媒体对象的初始向量，并采用基于特征编码模型训练方法训练得到的特征编码模型根据所述初始向量计算所述待推荐媒体对象的编码向量；计算所述编码向量与预设用户兴趣群体矩阵之间的关联性向量；在向量池中查询与所述待推荐媒体对象的关联性向量近似的多个目标媒体对象；根据各目标媒体对象的关联性向量与所述待推荐媒体对象的关联性向量之间的近似度数值，对所述多个目标媒体对象进行排序，并基于排序结果将所述待推荐媒体对象推荐

CN115600017B

S210

S210

构建待训练的特征编码模型，以及获取目标样本、正样本、负样本和对比样本的初始向量

S220

根据特征编码模型对目标样本、正样本和负样本各

自的初始向量进行特征编码，获得各样本的编码向

量，并计算各样本的编码向量分别与预设用户兴趣

群体矩阵之间的关联性向量

S230

计算目标样本对应的美联性向量与正样本对应的关

联性向量之间的第一相似度值，以及计算目标样本

对应的关联性向量与负样本对应的关联性向量之间

的第二相似度值，根据第一相似度值和第二相似度

值计算第一损失值

S240

将对比样本的初始向量中包含的多个特征分别对应

的特征向量进行分组，得到对比样本对应的多个特

征向量组，并对多个特征向量组进行不同的特征掩

码处理，得到对应的多个掩码向量，根据特征编码

模型对多个掩码向量分别进行特征编码，获得对比

样本对应的多个编码向量

S250

计算同一对比样本的多个编码向量之间的第三相似

度值，以及计算不同对比样本的编码向量之间的第

四相似度值，根据第三相似度值和第四相似度值计

算第二损失值

S260

基于第一损失值和第二损失值对特征编码模型进行联合训练

CN115600017B权利要求书1/4页

2

1.一种特征编码模型训练方法，其特征在于，所述方法包括：

获取媒体对象推荐数据日志和媒体对象元数据，所述媒体对象推荐数据日志中含有媒体对象到媒体对象的召回信息；

根据所述媒体对象推荐数据日志计算媒体对象到媒体对象的召回成功率，以及从所述媒体对象元数据中提取出多个特征；

将召回成功率大于预设全局概率的媒体对象组中的参照媒体对象和推荐媒体对象分别确定为目标样本和正样本，并对确定出的正样本进行负采样得到对应的多个负样本，以及对所述媒体对象推荐数据日志进行采样以得到对比样本；

构建待训练的特征编码模型，以及获取目标样本、正样本、负样本和对比样本的初始向量；

根据