CN112364185A - 多媒体资源的特征确定方法、装置、电子设备和存储介质 - Google Patents
多媒体资源的特征确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112364185A CN112364185A CN202011322352.0A CN202011322352A CN112364185A CN 112364185 A CN112364185 A CN 112364185A CN 202011322352 A CN202011322352 A CN 202011322352A CN 112364185 A CN112364185 A CN 112364185A
- Authority
- CN
- China
- Prior art keywords
- multimedia resource
- feature
- target
- candidate
- sorting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 title claims abstract description 40
- 238000012163 sequencing technique Methods 0.000 claims abstract description 50
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供多媒体资源的特征确定方法、装置、电子设备和存储介质，包括：获取目标多媒体资源的期望排序区间以及提取各特征类别分别对应的第一特征值；所述目标多媒体资源为推荐排序错误的多媒体资源；依据期望排序区间，在特征类别集中查找满足筛选条件的候选特征类别，从候选特征类别的值域中选取n个不同于候选特征类别的第一特征值的候选特征值，并分别采用候选特征值对第一特征值进行替换，得到n个新的特征类别集；采用n个新的特征类别集，重新对目标多媒体资源进行排序处理，得到与每个新的特征类别集对应的排序值；若存在至少一个排序值在期望排序区间内，则确定候选特征类别为寻找的目标特征类别并输出。故此，节省了大量的时间和人力。
Description
技术领域
本发明涉及信息处理技术领域，特别涉及一种多媒体资源的特征确定方法、装置、电子设备和存储介质。
背景技术
近来，机器学习在视频图像、语音识别、自然语言处理等相关领域得到了广泛应用。由于其超强的拟合能力以及端到端的全局优化能力，使得机器学习在大规模数据场景下相比于传统的数理分析的方法更具有鲁棒性。在众多的机器学习算法中，基于树模型的算法由于其的可解释性、速度快等特点被广泛应用在线上系统中。虽然现在树模型已经具有比较强的可解释性，但是对于单一样本的调试工作依然相对来说比较复杂，尤其是对于排序模型来说。
以视频搜索为例，在对一个搜索词下的一组视频进行排序的时候，我们需要对这组视频给予正确的顺序并按照正确的顺序进行排序，然后展示给用户。但是，排序模型有时并不一定按照真实的需求对样本进行排序。例如，如图1所示，在进行关键词搜索时，页面中出现4个视频，分别为视频1、视频2、视频3和视频4。若视频2和搜索的关键词任何关系时，此时视频2的排序为错误的。所以，需要把视频2的顺序进行调整。
由于多媒体资源的排序顺序是由该多媒体资源的各特征的特征值来决定的，所以，需要对该多媒体资源的需要调整的特征进行定位。
现有技术中，是技术人员手动进行查找排序错误的多媒体资源中的需要调整的特征，会导致浪费大量的时间和精力。因此，急需一种新的方法来解决上述问题。
发明内容
本公开提供一种多媒体资源的特征确定方法、装置、设备和存储介质，用于解决现有技术中由于需要手动进行查找多媒体资源中需要被调整的特征而导致浪费大量的时间和精力的问题。
第一方面，本公开提供一种多媒体资源的确定方法，在基于搜索条件推荐多媒体资源时，用于进行推荐排序的特征类别集中包括多个特征类别，每个特征类别在值域上被划分为多个取值区间段，所述方法包括：
当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；
依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；
针对所述目标多媒体资源的每个候选特征类别分别执行：
从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；
采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；
若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。
在一个实施例中，所述从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值为所述候选特征类别的分界点的值，所述分界点为所述候选特征类别的取值区间的分界点。
在一个实施例中，所述方法还包括：
根据以下方法确定所述目标多媒体资源的所述期望排序区间，包括：
获取预设的对所述多媒体资源序列中的各多媒体资源的期望排序顺序后，对所述目标多媒体资源执行：
在所述期望排序顺序中获取与所述目标多媒体资源前后相邻的两个多媒体资源的各自的排序值；
将所述两个多媒体资源的各自的排序值构成的取值区间作为所述目标多媒体资源的所述期望排序区间。
在一个实施例中，所述方法还包括：
根据以下方法确定所述多媒体资源序列中各多媒体资源的期望排序顺序：
响应于对各多媒体资源的排序位置的输入操作，确定所述多媒体资源序列中各多媒体资源的期望排序顺序。
在一个实施例中，所述方法还包括：
根据以下方法确定所述多媒体资源序列中各多媒体资源的期望排序顺序：
对所述多媒体资源序列中的各多媒体资源进行所述排序处理，得到各多媒体资源的排序值；
根据各多媒体资源的所述排序值对各多媒体资源进行排序；
响应于对所述目标多媒体资源的排序位置的输入操作，确定所述目标多媒体资源在各所述多媒体资源的排序中的期望位置；
根据各多媒体资源的排序和所述目标多媒体资源的期望位置来确定出各多媒体资源的期望排序顺序。
在一个实施例中，若不存在排序值在所述目标多媒体资源的所述期望排序区间内，所述方法还包括：
更新所述第一指定数量；
利用更新后的所述第一指定数量返回执行在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别的步骤，直至定位出所述目标特征类别为止。
第二方面，本公开提供一种多媒体资源的特征确定装置，在基于搜索条件推荐多媒体资源时，用于进行推荐排序的特征类别集中包括多个特征类别，每个特征类别在值域上被划分为多个取值区间段，所述装置包括：
期望排序区间获取模块，被配置为执行当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；
查找模块，被配置为执行依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；
替换模块，被配置为执行针对所述目标多媒体资源的每个候选特征类别分别执行：从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；
排序处理模块，被配置为执行采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；
目标特征类别确定模块，被配置为执行若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。
在一个实施例中，所述从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值为所述候选特征类别的分界点的值，所述分界点为所述候选特征类别的取值区间的分界点。
在一个实施例中，所述装置还包括：
期望排序区间确定模块，被配置为执行根据以下方法确定所述目标多媒体资源的所述期望排序区间：
获取预设的对所述多媒体资源序列中的各多媒体资源的期望排序顺序后，对所述目标多媒体资源执行：
在所述期望排序顺序中获取与所述目标多媒体资源前后相邻的两个多媒体资源的各自的排序值；
将所述两个多媒体资源的各自的排序值构成的取值区间作为所述目标多媒体资源的所述期望排序区间。
在一个实施例中，所述装置还包括：
第一期望排序顺序确定模块，被配置为执行根据以下方法确定所述多媒体资源序列中各多媒体资源的期望排序顺序：响应于对各多媒体资源的排序位置的输入操作，确定所述多媒体资源序列中各多媒体资源的期望排序顺序。
在一个实施例中，所述装置还包括：
第二期望排序顺序确定模块，被配置为执行根据以下方法确定各所述候选样本的期望排序顺序：
对所述多媒体资源序列中的各多媒体资源进行所述排序处理，得到各多媒体资源的排序值；
根据各多媒体资源的所述排序值对各多媒体资源进行排序；
响应于对所述目标多媒体资源的排序位置的输入操作，确定所述目标多媒体资源在各所述多媒体资源的排序中的期望位置；
根据各多媒体资源的排序和所述目标多媒体资源的期望位置来确定出各多媒体资源的期望排序顺序。
在一个实施例中，所述装置还包括：
更新模块，被配置为执行若不存在排序值在所述目标多媒体资源的所述期望排序区间内，更新所述第一指定数量；
返回执行模块，被配置为执行利用更新后的所述第一指定数量返回执行在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别的步骤，直至定位出所述目标特征类别为止。
根据本公开实施例的第三方面，提供一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令；所述指令被所述至少一个处理器执行，用以实现如所述第一方面所述的方法。
根据本公开实施例提供的第四方面，提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行如第一方面所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
本公开提供一种多媒体资源的特征确定方法、装置、设备和存储介质。该方法包括：当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；针对所述目标多媒体资源的每个候选特征类别分别执行：从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。由此，本公开通过获取推荐排序错误的目标多媒体资源的期望排序区间，并依据该期望排序区间查找出第一指定数量的候选特征类别。然后从候选特征类别的值域中选取出候选特征值，确定出新的特征类别集。并对目多媒体资源进行排序处理，得到与每个新的特征类别对应的排序值，并将排序值与期望排序区间进行比对，以此来确定出目标特征类别(即背景技术中需要调整的特征)。故此，本公开中并不需要手动进行查找目标特征类别，解决了现有技术中由于手动对需要调整的特征(即本公开中的目标特征类别)进行查找而导致的浪费了大量的时间和人力的问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1为根据本公开一个实施例的多媒体资源的特征确定方法的界面示意图之一；
图2为根据本公开一个实施例的多媒体资源的特征确定方法的应用场景示意图；
图3为根据本公开一个实施例的多媒体资源的特征确定方法的流程示意图之一；
图4为根据本公开一个实施例的多媒体资源的特征确定方法的界面示意图之二；
图5为根据本公开一个实施例中的多媒体资源的特征确定方法的排序模型示意图；
图6为根据本公开一个实施例中的多媒体资源的特征确定方法的流程示意图之二；
图7为根据本公开一个实施例的多媒体资源的特征确定装置；
图8为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
为进一步说明本公开实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本公开实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本公开实施例提供的执行顺序。方法在实际的处理过程中或者控制设备执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。
本公开实施例中术语“多个”是指两个或两个以上，其它量词与之类似应当理解，此处所描述的优选实施例仅用于说明和解释本公开，并不用于限定本公开，并且在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
发明人研究发现，现有技术中，是技术人员手动进行查找排序错误的多媒体资源中的需要调整的特征，会导致浪费大量的时间和精力。
由此，本公开提供一种多媒体资源的特征确定方法、装置、设备和存储介质，本公开首先确定出与发生推荐排序错误的目标多媒体资源的期望排序期间，并依据该期望排序区间查找出第一指定数量的候选特征类别。然后从候选特征类别的值域中选取出候选特征值，确定出新的特征类别集。并对目多媒体资源进行排序处理，得到与每个新的特征类别对应的排序值，并将排序值与期望排序区间进行比对，以此来确定出目标特征类别(即背景技术中需要调整的特征)。由此，本申请中并不需要手动查找发生排序错误的多媒体资源中需要调整的特征，以此节省了大量的时间和精力。下面结合附图，对本公开进行详细的说明。
如图2所示，为一种多媒体资源的特征确定的应用场景，该应用场景中包括多个终端设备210和服务器220，图1中是以三个终端设备210为例，实际上不限制终端设备210的数量。终端设备210例如手机、平板电脑和个人计算机等。服务器220可以通过单个服务器实现，也可以通过多个服务器实现。服务器220可以通过实体服务器实现，也可以通过虚拟服务器实现。
在一种可能的应用场景中，当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，服务器220获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；并依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；然后服务器220针对所述目标多媒体资源的每个候选特征类别分别执行：从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；然后采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出给终端设备210进行显示。
如图3所示，为多媒体资源的特征确定方法的流程示意图，可包括以下步骤：
步骤301：当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；
例如，多媒体资源序列包括多媒体资源1、多媒体资源2、多媒体资源3、多媒体资源4、多媒体资源5和多媒体资源6。若多媒体资源1为推荐排序错误的多媒体资源，则确定出多媒体资源1为目标多媒体资源。
需要说明的是：本公开中上述目标多媒体资源的数量仅用于实例说明，本公开中目标多媒体资源的数量在此不进行限定。
在一个实施例中，根据以下方法确定所述目标多媒体资源的所述期望排序区间：获取预设的对所述多媒体资源序列中的各多媒体资源的期望排序顺序后，对所述目标多媒体资源执行：在所述期望排序顺序中获取与所述目标多媒体资源前后相邻的两个多媒体资源的各自的排序值；将所述两个多媒体资源的各自的排序值构成的取值区间作为所述目标多媒体资源的所述期望排序区间。
例如：多媒体资源序列包括多媒体资源1、多媒体资源2、多媒体资源3、多媒体资源4、多媒体资源5和多媒体资源6。其中，多媒体资源1目标多媒体资源。若预设的期望排序顺序为：多媒体资源2、多媒体资源3、多媒体资源4、多媒体资源5、多媒体资源1、多媒体资源6。则可确定出与所述目标多媒体资源前后相邻的两个多媒体资源分别为多媒体资源5和多媒体资源6。若多媒体资源5和多媒体资源6的排序值分别为A和B，则确定出所述目标多媒体资源的所述期望排序区间为(A，B)。
由此，可通过预设的期望排序顺序确定出目标多媒体资源的期望排序顺序，以便于根据期望排序顺序确定出目标多媒体资源的目标特征类别。
在一个实施例中，确定出多媒体资源序列中各多媒体资源的期望排序顺序可包括以下两种方式：
方式一：响应于对各多媒体资源的排序位置的输入操作，确定所述多媒体资源序列中各多媒体资源的期望排序顺序。
例如：如图4所示，技术人员可根据自己的经验来输入对各多媒体资源的期望排列顺序，输入完成后，点击确定按钮即可确定出多媒体资源序列中各多媒体资源的期望排序顺序。
方式二：对所述多媒体资源序列中的各多媒体资源进行所述排序处理，得到各多媒体资源的排序值；根据各多媒体资源的所述排序值对各多媒体资源进行排序；响应于对所述目标多媒体资源的排序位置的输入操作，确定所述目标多媒体资源在各所述多媒体资源的排序中的期望位置；根据各多媒体资源的排序和所述目标多媒体资源的期望位置来确定出各多媒体资源的期望排序顺序。
例如，排序处理后的各多媒体资源的排列顺序为多媒体资源1、多媒体资源2、多媒体资源3和多媒体资源4。若确定出目标多媒体资源在各多媒体资源中的期望位置为3，其中，目标多媒体资源为多媒体资源1，则期望排序顺序为：多媒体资源2、多媒体资源3、多媒体资源1和多媒体资源4。
由此，可通过上述两种方式来确定出目标多媒体资源的期望排序顺序，可根据具体的实际情况来确定出使用哪一种方式。以便于能够准确的确定出目标特征类别。
步骤302:依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；
下面以第一指定数量为1为例进行说明。例如，目标多媒体资源的特征类别集中包括:特征类别1、特征类别2、特征类别3和特征类别4这四个特征。如图5所示，图5为各多媒体资源在排序时的排序模型。由于每个候选样本中的特征类别是相同的。所以根据图5即可确定出目标多媒体资源中各特征类别的子区间。其中，F1，F2，F3和F4分别与特征类别1、特征类别2、特征类别3和特征类别4相对应。如图5可知，特征类别1的分界点包括：a和b。其中，a小于b。由此，可确定出特征类别1中的子区间包括(-∞，a],(a,b),[b,+∞)。如期望排序区间为(A，B)，并且确定出区间(a,b)包含在所述区间(A，B)内，则确定出特征类别1为候选特征类别。若特征类别1中的子区间均不包含在期望排序区间，则查看特征类别2中的子区间是否包含在所述期望排序期间内。直到查找出候选特征类别为止。
步骤303：针对所述目标多媒体资源的每个候选特征类别分别执行：从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；
在一个实施例中，所述从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值为所述候选特征类别的分界点的值，所述分界点为所述候选特征类别的取值区间的分界点。
例如，如前文所述特征类别1的分界点包括a和b。则确定出目标多媒体资源的候选特征值包括：a和b。若目标多媒体资源的特征类别集为(1，2，3，4)。则得到的目标多媒体资源的新的特征类别集分别为(a，2，3，4)和(b，2，3，4)。
其中，候选特征值也可为所述候选特征类别的各子区间中选择n个子区间，并在所述n个子区间中每个子区间中选取一个区间值作为候选特征值。
由此，可根据候选特征类别的分界点来确定出目标多媒体资源的新的特征类别集。
步骤304：采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；
步骤305：若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。
若不存在排序值在所述目标多媒体资源的所述期望排序区间内，在一个实施例中，可实施为：更新所述第一指定数量；利用更新后的所述第一指定数量返回执行在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别的步骤，直至定位出所述目标特征类别为止。
例如，若第一指定数量为1时不存在排序值在所述多媒体资源的所述期望排序期间内，则更新第一指定数量，此时第一指定数量为2，则在所述目标多媒体资源的特征类别集中查找出两个候选特征类别。例如，查找出特征类别1为候选特征类别之后，再查找特征类别2是否为候选特征类别，若是，则不继续查找，若不是若继续查找。直到找出两个候选特征类别为止。
由此，本公开通过获取推荐排序错误的目标多媒体资源的期望排序区间，并依据该期望排序区间查找出第一指定数量的候选特征类别。然后从候选特征类别的值域中选取出候选特征值，确定出新的特征类别集。并对目多媒体资源进行排序处理，得到与每个新的特征类别对应的排序值，并将排序值与期望排序区间进行比对，以此来确定出目标特征类别(即背景技术中需要调整的特征)。故此，本公开中并不需要手动进行查找目标特征类别，解决了现有技术中由于手动对需要调整的特征(即本公开中的目标特征类别)进行查找而导致的浪费了大量的时间和人力的问题。
下面，结合附图对本公开的方案进行详细的介绍，如图6所示，可包括以下步骤：
步骤601：响应于对各多媒体资源的排序位置的输入操作，确定所述多媒体资源序列中各多媒体资源的期望排序顺序；
步骤602：获取预设的对所述多媒体资源序列中的各多媒体资源的期望排序顺序后，对所述目标多媒体资源执行：在所述期望排序顺序中获取与所述目标多媒体资源前后相邻的两个多媒体资源的各自的排序值；
步骤603：将所述两个多媒体资源的各自的排序值构成的取值区间作为所述目标多媒体资源的所述期望排序区间；
步骤604：当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；
步骤605：依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；
步骤606：针对所述目标多媒体资源的每个候选特征类别分别执行：从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；
步骤607：采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；
步骤608：若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出；
步骤609：更新所述第一指定数量；
步骤610：利用更新后的所述第一指定数量返回执行在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别的步骤，直至定位出所述目标特征类别为止。
基于相同的发明构思，本公开如上所述的多媒体资源的特征确定方法还可以由一种多媒体资源的特征确定装置实现。该装置的效果与前述方法的效果相似，在此不再赘述。
图7为根据本公开一个实施例的多媒体资源的特征确定装置的结构示意图。
如图7所示，本公开的多媒体资源的特征确定装置700可以包括期望排序区间获取模块710、查找模块720、替换模块730、排序处理模块740和目标特征类别确定模块750。
期望排序区间获取模块710，被配置为执行当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；
查找模块720，被配置为执行依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；
替换模块730，被配置为执行针对所述目标多媒体资源的每个候选特征类别分别执行：从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；
排序处理模块740，被配置为执行采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；
目标特征类别确定模块750，被配置为执行若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。
在一个实施例中，所述从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值为所述候选特征类别的分界点的值，所述分界点为所述候选特征类别的取值区间的分界点。
在一个实施例中，所述装置还包括：
期望排序区间确定模块760，被配置为执行根据以下方法确定所述目标多媒体资源的所述期望排序区间：
获取预设的对所述多媒体资源序列中的各多媒体资源的期望排序顺序后，对所述目标多媒体资源执行：
在所述期望排序顺序中获取与所述目标多媒体资源前后相邻的两个多媒体资源的各自的排序值；
将所述两个多媒体资源的各自的排序值构成的取值区间作为所述目标多媒体资源的所述期望排序区间。
在一个实施例中，所述装置还包括：
第一期望排序顺序确定模块770，被配置为执行根据以下方法确定所述多媒体资源序列中各多媒体资源的期望排序顺序：响应于对各多媒体资源的排序位置的输入操作，确定所述多媒体资源序列中各多媒体资源的期望排序顺序。
在一个实施例中，所述装置还包括：
第二期望排序顺序确定模块780，被配置为执行根据以下方法确定各所述候选样本的期望排序顺序：
对所述多媒体资源序列中的各多媒体资源进行所述排序处理，得到各多媒体资源的排序值；
根据各多媒体资源的所述排序值对各多媒体资源进行排序；
响应于对所述目标多媒体资源的排序位置的输入操作，确定所述目标多媒体资源在各所述多媒体资源的排序中的期望位置；
根据各多媒体资源的排序和所述目标多媒体资源的期望位置来确定出各多媒体资源的期望排序顺序。
在一个实施例中，所述装置还包括：
更新模块790，被配置为执行若不存在排序值在所述目标多媒体资源的所述期望排序区间内，更新所述第一指定数量；
返回执行模块791，被配置为执行利用更新后的所述第一指定数量返回执行在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别的步骤，直至定位出所述目标特征类别为止。
在介绍了本申请示例性实施方式的一种多媒体资源的特征确定方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中，计算机存储介质存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的多媒体资源的特征确定方法中的步骤。例如，处理器可以执行如图3中所示的步骤301-305。
下面参照图8来描述根据本申请的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用电子设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理器801、上述至少一个计算机存储介质802、连接不同系统组件(包括计算机存储介质802和处理器801)的总线803。
总线803表示几类总线结构中的一种或多种，包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
计算机存储介质802可以包括易失性计算机存储介质形式的可读介质，例如随机存取计算机存储介质(RAM)821和/或高速缓存存储介质822，还可以进一步包括只读计算机存储介质(ROM)823。
计算机存储介质802还可以包括具有一组(至少一个)程序模块824的程序/实用工具825，这样的程序模块824包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备800也可以与一个或多个外部设备804(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口805进行。并且，电子设备800还可以通过网络适配器806与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器806通过总线803与用于电子设备800的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本申请提供的一种多媒体资源的特征确定方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种多媒体资源的特征确定方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本申请的实施方式的用于多媒体资源的特征确定的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中，使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种多媒体资源的特征确定方法，在基于搜索条件推荐多媒体资源时，用于进行推荐排序的特征类别集中包括多个特征类别，每个特征类别在值域上被划分为多个取值区间段，其特征在于，所述方法包括：
当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；
依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；
针对所述目标多媒体资源的每个候选特征类别分别执行：
从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；
采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；
若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。
2.根据权利要求1所述的方法，其特征在于，所述从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值为所述候选特征类别的分界点的值，所述分界点为所述候选特征类别的取值区间的分界点。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据以下方法确定所述目标多媒体资源的所述期望排序区间，包括：
获取预设的对所述多媒体资源序列中的各多媒体资源的期望排序顺序后，对所述目标多媒体资源执行：
在所述期望排序顺序中获取与所述目标多媒体资源前后相邻的两个多媒体资源的各自的排序值；
将所述两个多媒体资源的各自的排序值构成的取值区间作为所述目标多媒体资源的所述期望排序区间。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据以下方法确定所述多媒体资源序列中各多媒体资源的期望排序顺序：
响应于对各多媒体资源的排序位置的输入操作，确定所述多媒体资源序列中各多媒体资源的期望排序顺序。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据以下方法确定所述多媒体资源序列中各多媒体资源的期望排序顺序：
对所述多媒体资源序列中的各多媒体资源进行所述排序处理，得到各多媒体资源的排序值；
根据各多媒体资源的所述排序值对各多媒体资源进行排序；
响应于对所述目标多媒体资源的排序位置的输入操作，确定所述目标多媒体资源在各所述多媒体资源的排序中的期望位置；
根据各多媒体资源的排序和所述目标多媒体资源的期望位置来确定出各多媒体资源的期望排序顺序。
6.根据权利要求1-5中任一所述的方法，其特征在于，若不存在排序值在所述目标多媒体资源的所述期望排序区间内，所述方法还包括：
更新所述第一指定数量；
利用更新后的所述第一指定数量返回执行在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别的步骤，直至定位出所述目标特征类别为止。
7.一种多媒体资源的特征确定装置，在基于搜索条件推荐多媒体资源时，用于进行推荐排序的特征类别集中包括多个特征类别，每个特征类别在值域上被划分为多个取值区间段，其特征在于，所述装置包括：
期望排序区间获取模块，被配置为执行当基于搜索条件获得的多媒体资源序列中存在推荐排序错误的任一目标多媒体资源时，获取所述目标多媒体资源的期望排序区间以及从所述目标多媒体资源中提取的各个所述特征类别分别对应的第一特征值；
查找模块，被配置为执行依据所述期望排序区间，在所述目标多媒体资源的特征类别集中查找第一指定数量的满足筛选条件的候选特征类别，所述筛选条件包括：候选特征类别的至少一个取值区间段包含在所述期望排序区间内；
替换模块，被配置为执行针对所述目标多媒体资源的每个候选特征类别分别执行：从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值，并分别采用所述候选特征值对所述第一特征值进行替换处理，得到所述目标多媒体资源的n个新的特征类别集；其中，n为正整数；
排序处理模块，被配置为执行采用所述n个新的特征类别集，重新对所述目标多媒体资源进行排序处理，得到所述目标多媒体资源的与每个新的特征类别集对应的排序值；
目标特征类别确定模块，被配置为执行若存在至少一个排序值在所述目标多媒体资源的所述期望排序区间内，则确定所述候选特征类别为寻找的目标特征类别并输出。
8.根据权利要求7所述的装置，其特征在于，所述从所述候选特征类别的值域中选取n个不同于所述候选特征类别的所述第一特征值的候选特征值为所述候选特征类别的分界点的值，所述分界点为所述候选特征类别的取值区间的分界点。
9.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令；所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据权利要求1-6中任一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011322352.0A CN112364185B (zh) | 2020-11-23 | 2020-11-23 | 多媒体资源的特征确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011322352.0A CN112364185B (zh) | 2020-11-23 | 2020-11-23 | 多媒体资源的特征确定方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112364185A true CN112364185A (zh) | 2021-02-12 |
| CN112364185B CN112364185B (zh) | 2024-02-06 |
Family
ID=74533145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011322352.0A Active CN112364185B (zh) | 2020-11-23 | 2020-11-23 | 多媒体资源的特征确定方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112364185B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113672783A (zh) * | 2021-08-11 | 2021-11-19 | 北京达佳互联信息技术有限公司 | 特征处理方法、模型训练方法及媒体资源处理方法 |
| CN113742499A (zh) * | 2021-08-05 | 2021-12-03 | 深圳Tcl新技术有限公司 | 一种多媒体资源排序方法及相关设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951468A (zh) * | 2014-03-28 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 数据搜索处理方法和系统 |
| CN108733684A (zh) * | 2017-04-17 | 2018-11-02 | 合信息技术（北京）有限公司 | 多媒体资源的推荐方法及装置 |
| CN110333840A (zh) * | 2019-06-28 | 2019-10-15 | 百度在线网络技术（北京）有限公司 | 推荐方法、装置、电子设备和存储介质 |
| CN110399479A (zh) * | 2018-04-20 | 2019-11-01 | 北京京东尚科信息技术有限公司 | 搜索数据处理方法、装置、电子设备及计算机可读介质 |
| CN110852818A (zh) * | 2018-08-20 | 2020-02-28 | 北京京东尚科信息技术有限公司 | 商品排序方法、装置和计算机可读存储介质 |
| CN111143738A (zh) * | 2019-11-27 | 2020-05-12 | 北京三快在线科技有限公司 | 资源展示方法、装置、电子设备及存储介质 |
| CN111401980A (zh) * | 2020-02-19 | 2020-07-10 | 北京值得买科技股份有限公司 | 一种提升样本排序多样性方法以及装置 |
| CN111737595A (zh) * | 2020-06-24 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 一种候选词推荐方法、词库排序模型训练方法及装置 |
-
2020
- 2020-11-23 CN CN202011322352.0A patent/CN112364185B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951468A (zh) * | 2014-03-28 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 数据搜索处理方法和系统 |
| CN108733684A (zh) * | 2017-04-17 | 2018-11-02 | 合信息技术（北京）有限公司 | 多媒体资源的推荐方法及装置 |
| CN110399479A (zh) * | 2018-04-20 | 2019-11-01 | 北京京东尚科信息技术有限公司 | 搜索数据处理方法、装置、电子设备及计算机可读介质 |
| CN110852818A (zh) * | 2018-08-20 | 2020-02-28 | 北京京东尚科信息技术有限公司 | 商品排序方法、装置和计算机可读存储介质 |
| CN110333840A (zh) * | 2019-06-28 | 2019-10-15 | 百度在线网络技术（北京）有限公司 | 推荐方法、装置、电子设备和存储介质 |
| CN111143738A (zh) * | 2019-11-27 | 2020-05-12 | 北京三快在线科技有限公司 | 资源展示方法、装置、电子设备及存储介质 |
| CN111401980A (zh) * | 2020-02-19 | 2020-07-10 | 北京值得买科技股份有限公司 | 一种提升样本排序多样性方法以及装置 |
| CN111737595A (zh) * | 2020-06-24 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 一种候选词推荐方法、词库排序模型训练方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742499A (zh) * | 2021-08-05 | 2021-12-03 | 深圳Tcl新技术有限公司 | 一种多媒体资源排序方法及相关设备 |
| CN113672783A (zh) * | 2021-08-11 | 2021-11-19 | 北京达佳互联信息技术有限公司 | 特征处理方法、模型训练方法及媒体资源处理方法 |
| CN113672783B (zh) * | 2021-08-11 | 2023-07-11 | 北京达佳互联信息技术有限公司 | 特征处理方法、模型训练方法及媒体资源处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112364185B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107844567B (zh) | 一种业务经验包推荐系统和方法 | |
| US20210216561A1 (en) | Information search method and apparatus, device and storage medium | |
| US20190362222A1 (en) | Generating new machine learning models based on combinations of historical feature-extraction rules and historical machine-learning models | |
| CN111125435B (zh) | 视频标签的确定方法、装置和计算机设备 | |
| CN111898643B (zh) | 一种语义匹配方法及装置 | |
| CN109871311B (zh) | 一种推荐测试用例的方法和装置 | |
| JP6365195B2 (ja) | 命令履歴分析プログラム、命令履歴分析装置、および、命令履歴分析方法 | |
| US9558245B1 (en) | Automatic discovery of relevant data in massive datasets | |
| CN105224614A (zh) | 应用程序分类的展示方法和装置 | |
| CN112364185B (zh) | 多媒体资源的特征确定方法、装置、电子设备和存储介质 | |
| CN112084150B (zh) | 模型训练、数据检索方法，装置，设备以及存储介质 | |
| CN110888756A (zh) | 一种诊断日志生成方法及装置 | |
| JP2020042771A (ja) | データ分析方法及びデータ分析システム | |
| CN111444438B (zh) | 召回策略的准召率的确定方法、装置、设备及存储介质 | |
| CN111090991A (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
| CN117787290A (zh) | 基于知识图谱的绘图提示方法和装置 | |
| CN111259058B (zh) | 数据挖掘方法、数据挖掘装置和电子设备 | |
| CN115098362B (zh) | 页面测试方法、装置、电子设备以及存储介质 | |
| CN115186738B (zh) | 模型训练方法、装置和存储介质 | |
| CN114185938B (zh) | 基于数字金融及大数据溯源的项目溯源分析方法及系统 | |
| CN114489574B (zh) | 一种基于svm的流处理框架的自动调优方法 | |
| CN114237588A (zh) | 一种代码仓库选择方法、装置、设备及存储介质 | |
| CN111143582A (zh) | 一种双索引实时更新联想词的多媒体资源推荐方法及装置 | |
| CN117591624B (zh) | 一种基于语义索引关系的测试用例推荐方法 | |
| CN113360765B (zh) | 事件信息的处理方法、装置、电子设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |