本公開涉及機(jī)器學(xué)習(xí)領(lǐng)域，特別是涉及一種信息融合方法、內(nèi)容推薦方法和裝置、電子設(shè)備和介質(zhì)。

背景技術(shù)：

1、機(jī)器學(xué)習(xí)中經(jīng)常根據(jù)目標(biāo)對象喜好進(jìn)行內(nèi)容推薦，例如視頻推薦、音頻推薦、物品推薦和文本推薦。其中，內(nèi)容推薦過程中如何表征內(nèi)容信息是推薦準(zhǔn)確性的關(guān)鍵。相關(guān)技術(shù)中，在內(nèi)容信息的學(xué)習(xí)表征中注入輔助信息，但需要相同維度的輔助信息編碼后再融入到內(nèi)容信息中以構(gòu)建新的學(xué)習(xí)表征，限制了內(nèi)容信息融入其他維度的輔助信息，進(jìn)而降低了內(nèi)容信息表征的豐富性，使得推薦內(nèi)容不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)思路

1、本公開實(shí)施例提供了一種信息融合方法、內(nèi)容推薦方法和裝置、電子設(shè)備和介質(zhì)，能融合不同維度的輔助信息，提高內(nèi)容信息表征的豐富性，進(jìn)而提高推薦內(nèi)容的準(zhǔn)確度。

2、根據(jù)本公開的一方面，提供了一種信息融合方法，包括：

3、獲取目標(biāo)對象的歷史操作數(shù)據(jù)；其中，所述歷史操作數(shù)據(jù)包括：原始內(nèi)容編碼信息和所述原始內(nèi)容編碼信息的原始輔助編碼信息；

4、將所述原始內(nèi)容編碼信息輸入至矩陣映射模型，生成內(nèi)容相關(guān)性矩陣，并將每一所述原始輔助編碼信息輸入至所述矩陣映射模型，生成輔助相關(guān)性矩陣；

5、將所述內(nèi)容相關(guān)性矩陣和所述輔助相關(guān)性矩陣輸入至矩陣融合模型，得到相關(guān)性融合矩陣；

6、將所述相關(guān)性融合矩陣和所述原始內(nèi)容編碼信息輸入至內(nèi)容融合模型，得到目標(biāo)融合信息。

7、根據(jù)本公開的一方面，提供了一種信息融合裝置，包括：

8、數(shù)據(jù)獲取模塊，用于獲取目標(biāo)對象的歷史操作數(shù)據(jù)；其中，所述歷史操作數(shù)據(jù)包括：原始內(nèi)容編碼信息和所述原始內(nèi)容編碼信息的原始輔助編碼信息；

9、映射模塊，用于將所述原始內(nèi)容編碼信息輸入至矩陣映射模型，生成內(nèi)容相關(guān)性矩陣，并將每一所述原始輔助編碼信息輸入至所述矩陣映射模型，生成輔助相關(guān)性矩陣；

10、矩陣融合模塊，用于將所述內(nèi)容相關(guān)性矩陣和所述輔助相關(guān)性矩陣輸入至矩陣融合模型，得到相關(guān)性融合矩陣；

11、內(nèi)容融合模塊，用于將所述相關(guān)性融合矩陣和所述原始內(nèi)容編碼信息輸入至內(nèi)容融合模型，得到目標(biāo)融合信息。

12、可選地，所述映射模塊具體用于：

13、將所述原始內(nèi)容編碼信息輸入至所述矩陣映射模型，由所述矩陣映射模型將所述原始內(nèi)容編碼信息映射到預(yù)設(shè)的內(nèi)容參數(shù)矩陣，生成所述內(nèi)容相關(guān)性矩陣；

14、將每一所述原始輔助編碼信息輸入至所述矩陣映射模型，由所述矩陣映射模型將每一所述原始輔助編碼信息映射到預(yù)設(shè)的輔助參數(shù)矩陣，生成所述輔助相關(guān)性矩陣；其中，每一所述輔助相關(guān)性矩陣的維度相同。

15、可選地，所述矩陣融合模塊具體用于：

16、將所述內(nèi)容相關(guān)性矩陣和所述輔助相關(guān)性矩陣輸入至矩陣融合模型，通過所述矩陣融合模型計(jì)算出所述內(nèi)容相關(guān)性矩陣的第一權(quán)重和每一所述輔助相關(guān)性矩陣的第二權(quán)重；

17、基于所述第一權(quán)重、所述第二權(quán)重，將所述內(nèi)容相關(guān)性矩陣、所述輔助相關(guān)性矩陣加權(quán)融合，得到所述相關(guān)性融合矩陣。

18、可選地，所述矩陣融合模型包括：卷積層、池化層、全連接層和激活函數(shù)層；所述矩陣融合模塊具體用于：

19、將所述內(nèi)容相關(guān)性矩陣輸入至所述卷積層，得到內(nèi)容相關(guān)性特征，并將每一所述輔助相關(guān)性矩陣輸入至所述卷積層，得到輔助相關(guān)性特征；

20、將所述內(nèi)容相關(guān)性特征輸入至所述池化層，得到第一向量，并將所述輔助相關(guān)性特征輸入至所述池化層，得到第二向量；

21、將所述第一向量輸入至所述全連接層，得到第三向量，并將每一所述第二向量輸入至所述全連接層得到第四向量；

22、將所述第三向量輸入至所述激活函數(shù)層，得到所述內(nèi)容相關(guān)性矩陣的所述第一權(quán)重，并將所述第四向量輸入至所述激活函數(shù)層，得到每一所述輔助相關(guān)性矩陣的所述第二權(quán)重。

23、可選地，所述信息融合裝置還包括：

24、訓(xùn)練模塊，用于預(yù)先通過以下過程聯(lián)合訓(xùn)練所述矩陣映射模型、所述矩陣融合模型和所述內(nèi)容融合模型：

25、獲取訓(xùn)練樣本數(shù)據(jù)；其中，所述訓(xùn)練樣本數(shù)據(jù)包括：歷史行為樣本數(shù)據(jù)，所述歷史行為樣本數(shù)據(jù)包括樣本內(nèi)容編碼信息和所述樣本內(nèi)容編碼信息的樣本輔助編碼信息；

26、將所述樣本內(nèi)容編碼信息輸入至所述矩陣映射模型，生成樣本內(nèi)容矩陣；將所述樣本輔助編碼信息輸入至所述矩陣映射模型，生成樣本輔助矩陣；

27、將所述樣本內(nèi)容矩陣和所述樣本輔助矩陣輸入至所述矩陣融合模型，得到樣本融合矩陣；

28、將所述樣本融合矩陣和所述樣本內(nèi)容編碼信息輸入至所述內(nèi)容融合模型，得到樣本融合信息；

29、將所述樣本融合信息輸入至內(nèi)容預(yù)估模型，得到內(nèi)容預(yù)估信息；

30、基于預(yù)設(shè)的內(nèi)容驗(yàn)證信息和所述內(nèi)容預(yù)估信息，構(gòu)建損失數(shù)據(jù)；

31、基于所述損失數(shù)據(jù)調(diào)整所述矩陣映射模型、所述矩陣融合模型、所述內(nèi)容融合模型的參數(shù)。

32、可選地，所述訓(xùn)練模塊具體用于：

33、從所述樣本融合信息提取出內(nèi)容編碼元素信息；

34、將所述內(nèi)容編碼元素信息輸入至所述內(nèi)容預(yù)估模型，得到所述內(nèi)容預(yù)估信息。

35、可選地，所述數(shù)據(jù)獲取模塊具體用于：

36、獲取候選內(nèi)容信息的候選輔助信息，并獲取所述候選內(nèi)容信息的候選內(nèi)容編碼信息和每一所述候選輔助信息的候選輔助編碼信息；

37、獲取目標(biāo)對象的歷史操作數(shù)據(jù)；其中，所述歷史操作數(shù)據(jù)包括瀏覽內(nèi)容信息；

38、基于所述瀏覽內(nèi)容信息和所述候選內(nèi)容信息，在所述候選內(nèi)容編碼信息中選擇所述原始內(nèi)容編碼信息；

39、基于所述瀏覽內(nèi)容信息、所述候選內(nèi)容信息和所述候選輔助信息，在所述候選輔助編碼信息中選擇所述原始輔助編碼信息。

40、可選地，所述數(shù)據(jù)獲取模塊具體用于：

41、基于所述瀏覽內(nèi)容信息，在所述候選內(nèi)容信息中選擇選定內(nèi)容信息；其中，所述選定內(nèi)容信息和所述瀏覽內(nèi)容信息相同；

42、基于所述選定內(nèi)容信息的選定輔助信息和所述候選輔助信息，在所述候選輔助編碼信息中選擇所述原始輔助編碼信息。

43、根據(jù)本公開的一方面，提供一種內(nèi)容推薦方法，包括：

44、獲取目標(biāo)對象的歷史操作數(shù)據(jù)中每一時(shí)間點(diǎn)瀏覽的目標(biāo)融合信息；其中，所述目標(biāo)融合信息由上述的信息融合方法得到；

45、將所述目標(biāo)融合信息輸入至內(nèi)容預(yù)估模型，得到內(nèi)容預(yù)估概率序列；

46、基于所述內(nèi)容預(yù)估概率序列構(gòu)建推薦內(nèi)容信息。

47、根據(jù)本公開的一方面，提供一種內(nèi)容推薦裝置，包括：

48、信息獲取模塊，用于獲取目標(biāo)對象的歷史操作數(shù)據(jù)中每一時(shí)間點(diǎn)瀏覽的目標(biāo)融合信息；其中，所述目標(biāo)融合信息由上述的信息融合方法得到；

49、內(nèi)容預(yù)估模塊，用于將所述目標(biāo)融合信息輸入至內(nèi)容預(yù)估模型，得到內(nèi)容預(yù)估概率序列；

50、推薦模塊，用于基于所述內(nèi)容預(yù)估概率序列構(gòu)建推薦內(nèi)容信息。

51、可選地，所述內(nèi)容預(yù)估概率序列包括：每一候選內(nèi)容信息的預(yù)估概率；所述推薦模塊具體用于：

52、按照所述預(yù)估概率將所述候選內(nèi)容信息按照從小到大的順序排序，得到內(nèi)容排序序號(hào)；

53、獲取所述內(nèi)容排序序號(hào)前預(yù)設(shè)推薦個(gè)數(shù)的候選內(nèi)容信息作為所述推薦內(nèi)容信息。

54、根據(jù)本公開的一方面，提供了一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上所述的信息融合方法、或者內(nèi)容推薦方法。

55、根據(jù)本公開的一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的信息融合方法、或者內(nèi)容推薦方法。

56、本公開實(shí)施例通過矩陣映射模型將歷史操作數(shù)據(jù)中的原始內(nèi)容編碼信息和原始輔助編碼信息轉(zhuǎn)換為相同緯度矩陣，使得原本與原始內(nèi)容編碼信息不同維度的原始輔助編碼信息也能與原始內(nèi)容編碼信息進(jìn)行融合，進(jìn)而可以充分利用不同維度的原始輔助編碼信息來生成更加準(zhǔn)確的原始內(nèi)容學(xué)習(xí)表征，即得到更為準(zhǔn)確的目標(biāo)融合信息。該方法提升了內(nèi)容信息表征維度的豐富性，進(jìn)而提升了學(xué)習(xí)得到的內(nèi)容信息表征的準(zhǔn)確性。

57、本公開的其他特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本公開而了解。本公開的目的和其他優(yōu)點(diǎn)可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。