JP6921925B2 - パラメータ調整方法、装置、サーバ、コンピュータ可読記憶媒体及びコンピュータプログラム - Google Patents

Description

本願の実施例はコンピュータ技術分野に関し、具体的にはパラメータを調整するための、装置、サーバ、コンピュータ可読記憶媒体及びコンピュータプログラムに関する。

ネットワーク技術の発展に伴って、世界各地の様々なニュースを各種メディアを介してユーザに配信できる。同一ニュースイベントについて、各種メディア（例えば、ニュースサイトやニュースアプリケーションなど）は異なるニュースを編集し、異なるメディアによるニュースの眼目には多少の違いがあるが、同一ニュースイベントを報道した各ニュースには多少重なる情報がある。

ユーザにとって、自分に必要な情報を抽出するためには複数のニュースを閲覧する必要があるので、ニュース取得の効率性が低下する恐れがある。ユーザのニュース取得の効率を向上させるために、同一ニュースイベントの複数のニュースを集約し、複数のニュース中の冗長情報を除去し、ニュースイベントに対する解説を抽出することができる。

本願の実施例は、パラメータの調整方法及び装置を提案した。

第１の態様において、本願の実施例は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得することと、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像評価点数を確定することと、少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得することと、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得することと、予め訓練された行動ネットワークに特徴表現及び予測映像評価点数を入力し、現在行動情報を取得することと、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整することと、を含むパラメータ調整方法を提供する。

いくつかの実施例において、少なくとも１つのパラメータの現在値を調整した後、少なくとも１つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成することをさらに含む。

いくつかの実施例において、行動ネットワーク及び評価ネットワークは以下の訓練ステップで予め訓練して取得される。前記訓練ステップは、
初期行動ネットワークのネットワーク構造を決定し、初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、初期評価ネットワークのネットワークパラメータを初期化し、
少なくとも１つのパラメータの現在値を初期化し、
少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、サンプル特徴表現及びアノテーション映像評価点数を初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、サンプル特徴表現及びサンプル予測映像評価点数を初期行動ネットワークに入力し、予測行動情報を取得することと、予測行動情報に応じて少なくとも１つのパラメータの現在値を調整することと、サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
初期行動ネットワークと初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む。

いくつかの実施例において、該方法は、端末装置から送信された、対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、対象ニュースクラスタの解説に対応する映像を端末装置に送信することをさらに含む。

いくつかの実施例において、対象ニュースクラスタの解説に対応する映像を端末装置に送信した後、該方法は、受信した映像を表示するように端末装置を制御することをさらに含む。

いくつかの実施例において、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定することは、少なくとも１人のユーザが、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像である少なくとも１つの対象映像を視聴した視聴行動情報を取得することと、取得した視聴行動情報のそれぞれに対して、該視聴行動情報に対応する映像評価点数を確定することと、確定された各映像評価点数の平均値を、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数として決定することとを含む。

いくつかの実施例において、視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否かを示す識別子、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも１つを含む。

第２の態様において、本願の実施例は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得するように構成されたパラメータ現在値取得ユニットと、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定するように構成された映像評価点数決定ユニットと、少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得するように構成された特徴抽出ユニットと、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得するように構成された第１の入力ユニットと、予め訓練された行動ネットワークに前記特徴表現及び予測映像評価点数を入力し、現在行動情報を取得するように構成された第２の入力ユニットと、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整するように構成された調整ユニットと、を備えるパラメータ調整装置を提供する。

いくつかの実施例において、該装置は、少なくとも１つのパラメータの現在値を調整した後、少なくとも１つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成するように構成された映像生成ユニットをさらに備える。

いくつかの実施例において、行動ネットワーク及び評価ネットワークは以下の訓練ステップで予め訓練して取得する。前記訓練ステップは、
初期行動ネットワークのネットワーク構造を決定し、初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、初期評価ネットワークのネットワークパラメータを初期化し、
少なくとも１つのパラメータの現在値を初期化し、
少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、サンプル特徴表現及びアノテーション映像評価点数を初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、サンプル特徴表現及びサンプル予測映像評価点数を初期行動ネットワークに入力し、予測行動情報を取得することと、予測行動情報に応じて少なくとも１つのパラメータの現在値を調整することと、サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
初期行動ネットワークと初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む。

いくつかの実施例において、該装置は、端末装置から送信された、対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、対象ニュースクラスタの解説に対応する映像を端末装置に送信するように構成された映像送信ユニットをさらに備える。

いくつかの実施例において、該装置は、対象ニュースクラスタの解説に対応する映像を端末装置に送信した後、受信した映像を表示するように端末装置を制御するように構成された制御ユニットをさらに備える。

いくつかの実施例において、映像評価点数確定ユニットは、少なくとも１人のユーザが、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像である少なくとも１つの対象映像を視聴した視聴行動情報を取得するように構成された視聴行動取得モジュールと、取得した視聴行動情報のそれぞれに対して、該視聴行動情報に対応する映像評価点数を確定するように構成された第１の決定モジュールと、確定された各映像評価点数の平均値を、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数として決定するように構成された第２の決定モジュールとを備える。

いくつかの実施例において、視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否かを示す識別子、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも１つを含む。

第３の態様において、本願の実施例は、１つ以上のプロセッサと、１つ以上のプログラムが記憶されているメモリとを備えるサーバを提供し、上記１つ以上のプログラムが上記１つ以上のプロセッサにより実行されるとき、上記１つ以上のプロセッサに第１の実施形態のいずれか１つの実現方式に記載された方法を実現する。

第４の態様において、本願の実施例は、コンピュータプログラムが記憶されたコンピュータ可読記憶媒体を提供し、該コンピュータプログラムが１つ以上のプロセッサにより実行されるとき、第１の実施形態のいずれか１つの実現方式に記載された方法を実現する。

第５の態様において、本願の実施例は、インターフェースと、１つ以上のプログラムが記憶されたメモリと、インターフェース及びメモリに動作可能に接続された１つ以上のプロセッサとを備える別のサーバを提供し、該サーバは、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得し、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定し、少なくとも１つのパラメータの現在値に対して特徴抽出を行って、特徴表現を取得し、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力して、予測映像評価点数を取得し、予め訓練された行動ネットワークに特徴表現及び予測映像評価点数を入力して、現在行動情報を取得し、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整することに用いられる。

第６の態様において、本願の実施例は、コンピュータプログラムが記憶されているコンピュータ可読記憶媒体を提供し、上記コンピュータプログラムが１つ以上のプロセッサにより実行される時、上記１つ以上のプロセッサは、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得し、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定し、少なくとも１つのパラメータの現在値に対して特徴抽出を行って、特徴表現を取得し、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力して、予測映像評価点数を取得し、予め訓練された行動ネットワークに特徴表現及び予測映像評価点数を入力して、現在行動情報を取得し、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整する。

ユーザのニュース取得の効率を向上させるために、従来技術において、多くの場合は、ニュースクラスタに対応する解説が生成され、ユーザはテキスト形式の解説を読んでニュース概要を取得する必要があり、解説に対応する映像は生成されない。本願の実施例により提供されるパラメータを調整するための方法及び装置は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得し、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定し、少なくとも１つのパラメータの現在値に対して特徴抽出を行って、特徴表現を取得し、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力して、予測映像評価点数を取得し、予め訓練された行動ネットワークに特徴表現及び予測映像評価点数を入力して、現在行動情報を取得し、最後に、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整する。これにより、ニュースクラスタのために解説に対応する映像を生成する映像評価点数に応じて、映像生成プロセスにおける少なくとも１つのパラメータを調整することができ、さらに調整されたパラメータによって生成された、ニュースクラスタの解説に対応する後続の映像の映像評価を向上させることができる。

以下、添付図面を参照しながら非限定的な実施例を詳細に説明することにより、本願の他の特徴、目的及び利点はより明らかになる。
本願の一実施例が適用される例示的なシステムアーキテクチャ図である。 本願に係るパラメータ調整方法の一実施例のフローチャートである。 本願に係る訓練ステップの一実施例のフローチャートである。 本願に係るパラメータ調整方法のアプリケーションシナリオの概略図である。 本願に係るパラメータ調整方法の別の実施例のフローチャートである。 本願に係るパラメータ調整装置の一実施例の構造模式図である。 本願の実施例を実現するためのサーバに適用されるコンピュータシステムの構造模式図である。

次に、添付図面及び実施例を参照しながら本願をより詳細に説明する。ここで説明する具体的な実施例は、かかる発明を説明するものに過ぎず、当該発明を限定するものではないと理解すべきである。ただし、説明の便宜上、図面に発明と関連する部分のみが示されている。

なお、矛盾しない場合、本願の実施例及び実施例の特徴は互いに組み合わせてもよい。以下、添付図面を参照して実施例により本願を詳細に説明する。

図１では、本願のパラメータ調整方法又はパラメータ調整装置の実施例が適用される例示的なシステムアーキテクチャ１００を示した。

図１に示すように、システムアーキテクチャ１００は、端末装置１０１、１０２、１０３、ネットワーク１０４及びサーバ１０５を含んでもよい。ネットワーク１０４は、端末装置１０１、１０２、１０３とサーバ１０５との間に通信リンクの媒体を提供するために用いられる。ネットワーク１０４は、例えば、有線、無線通信リンク又は光ケーブルなどのような様々な接続タイプを含んでもよい。

ユーザは、端末装置１０１、１０２、１０３を用いてネットワーク１０４を介してサーバ１０５と対話することによって、メッセージなどを受信したり送信したりすることができる。端末装置１０１、１０２、１０３には、各種通信クライアントアプリケーション、例えば、ウェブブラウザアプリケーション、ショッピングアプリケーション、検索アプリケーション、インスタントメッセージツール、電子メールクライアント、ソーシャルプラットフォームソフトウェアなどがインストールされてもよい。

端末装置１０１、１０２、１０３はハードウェアであってもよく、ソフトウェアであってもよい。端末装置１０１、１０２、１０３がハードウェアである場合、ディスプレイを有する各種電子機器であってもよく、スマートフォン、タブレット型パソコン、電子ブックリーダー、ＭＰ３（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ Ａｕｄｉｏ Ｌａｙｅｒ ＩＩＩ、動画専門家集団による音響形式第３層型）プレーヤー、ＭＰ４（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ Ａｕｄｉｏ Ｌａｙｅｒ ＩＶ、動画専門家集団による音響形式第４層型）プレーヤー、ラップトップコンピュータ及びデスクトップコンピュータなどを含むが、これらに限定されるものではない。端末装置１０１、１０２、１０３がソフトウェアである場合、前記電子機器にインストールされてもよい。複数のソフトウェアまたはソフトウェアモジュールとして実現されてもよく、単一ソフトウェアまたはソフトウェアモジュールとして実現されてもよい。ここでは、特に限定しない。

サーバ１０５は、端末装置１０１、１０２、１０３に表示されたニュースウェブサイトをサポートするバックエンドサーバなどのような各種サービスを提供するサーバであってもよい。バックエンドサーバは、受信したニュースページ要求などのデータに対して分析等の処理を行い、処理結果（例えば、ニュースウェブページのページデータ）を端末装置にフィードバックすることができる。

なお、本願の実施例により提供されるパラメータ調整方法は通常サーバ１０５によって実行され、したがって、パラメータ調整装置は通常サーバ１０５に構成される。

なお、サーバ１０５は、ハードウェアであってもよく、ソフトウェアであってもよい。 サーバ１０５がハードウェアである場合、複数のサーバで構成された分散型サーバクラスタとして実現されてもよく、単一サーバとして実現されてもよい。サーバ１０５がソフトウェアである場合、複数のソフトウェアまたはソフトウェアモジュール（例えば、ニュースウェブページのページサービスを提供するため）として実現されてもよく、単一のソフトウェアまたはソフトウェアモジュールとして実現されてもよい。ここでは、特に限定しない。

図１における端末装置、ネットワーク及びサーバの数は例示的なものに過ぎないことを理解すべきである。必要に応じて、任意の数の端末装置、ネットワーク及びサーバを備えてもよい。

続いて、図２を参照されたい。図２では、本願に係るパラメータ調整方法の一実施例のフロー２００を示した。該パラメータ調整方法は以下のステップを含む。

ステップ２０１において、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得する。

本実施例において、パラメータ調整方法の実行主体(例えば、図１に示されたサーバ)は、上記実行主体とネットワーク接続された他の電子機器から、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値をローカル又はリモートで取得することができる。

ここで、ニュースクラスタにおける各ニュースは同じニュースイベントに対応し、異なるニュースクラスタが対応しているニュースイベントは異なっている。ニュースイベントは、最近の第１の所定の期間内（例えば３ヶ月以内）に発生したイベントであってもよい。

ここで、ニュースはニュースイベントに対応する様々な形態の電子データであってもよく、ニュースには対応する生成時間が表示されてもよい。ニュースは、テキスト、画像、音声及び映像の少なくとも１つを含んでもよい。例えば、ニュースはウェブページであってもよく、テキスト、画像、音声及び映像の少なくとも１つを含む各種ドキュメントであってもよい。ニュースはただテキスト、画像又は映像であってもよい。

実際において、取得したニュースには対応するニュースイベントが表示されてもよい。このように、上記実行主体は、最近の第２の所定の期間内（例えば１日以内）に生成されたニュースを取得した後、取得した少なくとも１つのニュースを対応するニュースイベントの違いに従って異なるニュースクラスタとして構成することができる。

取得したニュースには対応するニュースイベントが表示されていない場合、上記実行主体は、最近の第２の所定の期間内（例えば１日以内）に生成されたニュースを取得した後、取得したニュースに対して様々な実現方式によりクラスタリングを行い、同じカテゴリにクラスタリングされたニュースを１つのニュースクラスタとして構成し、異なるクラスタのニュースは異なるニュースクラスタに属し、少なくとも１つのニュースクラスタを取得できることを理解されたい。例えば、実際において、ニュースには通常ニュース見出しがあり、上記実行主体は、取得した各ニュースの見出しに対してクラスタリングを行って、ニュース見出しのクラスタを該ニュース見出しに対応するニュースのクラスタとすることができる。

ニュースクラスタ内の各ニュースが同じニュースイベントに対応するため、ユーザのニュース取得の効率を向上させるために、様々な実現方式によりニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成することができる。ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおいて、いくつかのパラメータに関わり、パラメータ値によって、生成された映像も異なっており、さらに生成された映像を視聴したユーザによる評価も異なる。ユーザが生成された映像を視聴しようとするために、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの取り得る値を調整することで、ニュースクラスタに基づいて生成されたニュースクラスタの解説に対応する映像は、ユーザが好むものである。ここで、まず、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得することができる。

例示として、少なくとも１つのパラメータは、少なくとも１つの所定のニュースカテゴリのそれぞれの嗜好指数、映像における画像タイプ素材リソースの所定の再生時間、音声合成における所定の最高話速、生成すべき映像の最大再生時間、映像タイプ素材リソースの所定の最小再生時間、候補素材リソースと解説とのマッチング度の最小マッチング度閾値の少なくとも１つを含んでもよい。

ステップ２０２において、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定する。

本実施例において、上記実行主体は様々な実現方式によりニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定することができる。ここで、映像の映像評価点数は、ユーザが映像のあらゆる側面を評価した総合点数を反映している。例えば、映像評価点数は、ユーザが該映像を好むか否か、生成された映像と解説とのマッチング度、生成された映像と手作業でクリップされた映像とのマッチング度、生成された映像とニュースクラスタに対応するニュースイベントとのマッチング度の少なくとも１つを反映することができる。

本実施例のいくつかの選択可能な実現方式において、上記実行主体またはそれとネットワーク接続された他の電子機器上で、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像を評価するためのユーザインターフェースをユーザに提供する。上記実行主体は、上記ユーザインターフェイス上でニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像に対してユーザが入力した評価点数を上記電子機器からローカルまたはリモートで受信することができる。このように、上記実行主体は、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像を視聴した少なくとも１人のユーザによる映像評価点数を取得した後、取得した各映像評価点数の平均値を、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数として決定することができる。

本実施例のいくつかの選択可能な実現方式において、ステップ２０２は以下のように実行されてもよい。

まず、少なくとも１人のユーザが少なくとも１つの対象映像を視聴した視聴行動情報を取得する。ここで、対象映像は、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像である。ここで、視聴行動情報は、ユーザが対象映像を視聴している間の各種行動を特徴付けるために用いられる。

いくつかの実現方式において、視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否かを示す識別子、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも１つを含んでもよい。ここで、映像識別子は、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像を一意に示すために用いられる。ユーザ識別子は、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像を視聴したユーザを一意に示すために用いられる。ユーザ画像情報は、ユーザの各種関連情報の記述に用いられる。例えば、ユーザ画像情報には、ユーザの性別、年齢、趣味、出生地、職場、居住地、職業、消費習慣、生活習慣などを含むが、これらに限定されない。映像をオンにしたか否かを示す識別子は、ユーザ識別子によって示されるユーザが、映像識別子によって示される映像をオンにしたか否かを示すために用いられる。映像視聴合計時間は、ユーザ識別子によって示されるユーザが、映像識別子によって示される映像を視聴した合計時間を示すために用いられる。映像をオフにするときの映像再生時間は、ユーザ識別子によって示されるユーザが、映像識別子によって示される映像をオフにするときの該映像の現在再生時間を示すために用いられる。

次に、取得した視聴行動情報のそれぞれについて、該視聴行動情報に対応する映像評価点数を確定する。

ここで、様々な実現方式により、取得した視聴行動情報のそれぞれについて、該視聴行動情報に対応する映像評価点数を確定することができる。

いくつかの実現方式において、視聴行動情報に含まれる映像評価に関する各項について、対応する重みを予め設定した後、視聴行動情報における映像評価に関する各項の取り得る値と、対応する重みとの加重合計の結果を計算し、加重合計の結果を、該視聴行動情報に対応する映像評価点数として決定する。例えば、映像をオンにしたか否かを示す識別子が０である場合は、ユーザが映像をオンにしなかったことを示し、映像をオンにしたか否かを示す識別子が１である場合は、ユーザが映像をオンにしたことを示し、映像をオンにしたか否かを示す識別子が映像評価点数と正の相関があるように、映像をオンにしたか否かを示す識別子に対応する重みを設定することができる。また、例えば、映像視聴合計時間が映像評価点数と正の相関があるように、映像視聴合計時間に対応する重みを設定してもよく、映像をオフにするときの映像再生時間が映像評価点数と正の相関があるように、映像をオフにするときの映像再生時間に対応する重みを設定してもよい。また、例えば、視聴行動情報が、ユーザが映像を気に入って対応する操作を行ったことを表すための、転送したか否かを示す識別子、いいねをしたか否かを示す識別子などを含む場合、映像をオンにしたか否かを示す識別子のように、転送したか否かを示す識別子が０の場合は、ユーザが映像を転送しなかったことを示し、転送したか否かを示す識別子が１の場合は、ユーザが映像を転送したことを示し、転送したか否かを示す識別子が映像評価点数と正の相関があるように、転送したか否かを示す識別子に対応する重みを設定することができる。同じ操作は、いいねをしたか否かを示す識別子にも適用できる。ここでは、説明を省略する。

いくつかの実現方式において、映像試聴の合計時間と映像識別子によって示される映像再生時間との比を、該視聴行動情報に対応する映像評価点数として確定することができる。

最後に、確定された各映像評価点数の平均値を、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数として決定する。

ステップ２０３において、少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得する。

本実施例において、上記実行主体は、様々な実現方式により少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得することができる。ここで、特徴表現は、ベクトル形態、すなわち特徴ベクトルのような様々な形式であってもよい。実際において、特徴表現は少なくとも１つのパラメータの現在値に対してより低い次元と計算可能な特性を示している。

ニュースクラスタの解説に対応する映像を生成するプロセスに関与するパラメータが異なるため、少なくとも１つのパラメータの現在値に対して特徴抽出を行う方法も異なることは理解されるだろう。例えば、主成分分析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ）、独立成分分析（Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＩＣＡ）、及び線形判別分析（Ｌｉｎｅａｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ，ＬＤＡ）などの方法で特徴抽出を行うことができる。

ステップ２０４において、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得する。
本実施例において、上記実行主体は、予め訓練された評価ネットワークにステップ２０３で生成された特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得することができる。ここで、上記評価ネットワークは、人工ニューラルネットワーク（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＡＮＮ）であってもよい。なお、上記評価ネットワークは、特徴表現及び映像評価点数の両者と、予測映像評価点数との間の対応関係を特徴付けるために用いられる。

ステップ２０５において、予め訓練された行動ネットワークに特徴表現及び予測映像評価点数を入力し、現在行動情報を取得する。

本実施例において、上記実行主体は、予め訓練された行動ネットワークに、ステップ２０３で生成された特徴表現及びステップ２０４で生成された予測映像評価点数を入力し、現在行動情報を取得することができる。ここで、上記行動ネットワークは人工ニューラルネットワークであってもよい。なお、上記行動ネットワークは、特徴表現及び映像評価点数の両者と行動情報との間の対応関係を特徴付けるために用いられる。ここで、行動情報は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値をどのように調整するかを指示するために用いられる。

いくつかの実現方式において、上記行動ネットワーク及び評価ネットワークは、訓練ステップで予め訓練して取得することができる。図３を参照されたい。図３では、本願に係る行動ネットワーク及び評価ネットワークを予め訓練する訓練ステップの一実施例のフロー３００を示した。該訓練ステップは以下のステップ３０１〜３０５を含んでもよい。

ステップ３０１において、初期行動ネットワークのネットワーク構造を決定し、初期行動ネットワークのネットワークパラメータを初期化する。

ここで、訓練ステップの実行主体は、パラメータ調整方法の実行主体と同じでも異なっていてもよい。同じである場合、訓練ステップの実行主体は、訓練により行動ネットワーク及び評価ネットワークを取得した後、訓練された行動ネットワーク及び評価ネットワークのネットワーク構造情報及びネットワークパラメータのパラメータ値をローカルに記憶してもよい。異なる場合は、訓練ステップの実行主体は、訓練により行動ネットワーク及び評価ネットワークを取得した後、訓練された行動ネットワーク及び評価ネットワークのネットワーク構造情報及びネットワークパラメータのパラメータ値をパラメータ調整方法の実行主体に送信してもよい。

ここで、訓練ステップの実行主体は初期行動ネットワークのネットワーク構造を決定することができる。ここで、初期行動ネットワークは人工ニューラルネットワークであってもよく、初期行動ネットワークに含まれる層、層間の接続順序関係、及び各層に含まれるニューロン、各ニューロンに対応する重みとオフセット、各層の活性化関数などを決定することができる。初期行動ネットワークは様々なタイプのニューラルネットワークを含んでもよく、異なるタイプのニューラルネットークに対して、決定すべきネットワーク構造も異なることは理解されるだろう。

そして、訓練ステップの実行主体は、初期行動ネットワークのネットワークパラメータを初期化することができる。実際には、初期行動ネットワークの各ネットワークパラメータ（例えば、重みパラメータとオフセットパラメータ）を様々な異なる小さい乱数で初期化することができる。「小さい乱数」とは、過大な重みによりネットワークが飽和状態になり、訓練の失敗につながることを防止し、「異なる乱数」とは、ネットワークが正常に学習できるように確保するためのものである。

ステップ３０２において、初期評価ネットワークのネットワーク構造を決定し、初期評価ネットワークのネットワークパラメータを初期化する。

ここで、訓練ステップの実行主体は、初期評価ネットワークのネットワーク構造を決定することができる。その後、訓練ステップの実行主体は、初期評価ネットワークのネットワークパラメータを初期化することができる。

ここで、初期評価ネットワークは人工ニューラルネットワークであってもよく、人工ニューラルネットワークのネットワーク構造の決定や、人工ニューラルネットワークのネットワークパラメータの初期化は、ステップ３０１における関連説明を参照されたい。ここでは、説明を省略する。

ステップ３０３において、少なくとも１つのパラメータの現在値を初期化する。

ここで、訓練ステップの実行主体は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を初期化することができる。

ステップ３０４において、所定の訓練終了条件を満たすまで、パラメータ調整ステップを実行する。

ここで、訓練ステップの実行主体は、所定の訓練終了条件を満たすまで、パラメータ調整ステップを実行することができ、パラメータ調整ステップは、サブステップ３０４１〜３０４６を含んでもよい。

サブステップ３０４１において、少なくとも１つのパラメータの現在値に対して特徴抽出を行い、サンプル特徴表現を取得する。

サブステップ３０４２において、少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数を取得する。

ここで、訓練ステップの実行主体は、それとネットワーク接続された他の電子機器から、少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数をローカル又はリモートで取得することができる。ここで、少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数は、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像を視聴した後、視聴した映像に手動でアノテーションを付ける映像評価点数であってもよい。ここで、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像は、訓練ステップの実行主体により生成されたものであってもよく、訓練ステップの実行主体とネットワーク接続された他の電子機器により生成されたものであってもよい。

サブステップ３０４３において、サンプル特徴表現及びアノテーション映像評価点数を初期評価ネットワークに入力し、サンプル予測映像評価点数を取得する。

ここで、サブステップ３０４１で取得したサンプル特徴表現とサブステップ３０４２で取得したアノテーション映像評価点数を初期評価ネットワークに入力し、サンプル予測映像評価点数を取得する。

サブステップ３０４４において、サンプル特徴表現とサンプル予測映像評価点数を初期行動ネットワークに入力し、予測行動情報を取得する。

ここで、サブステップ３０４１で取得したサンプル特徴表現とサブステップ３０４３で取得したサンプル予測映像評価点数を初期行動ネットワークに入力し、予測行動情報を取得する。

サブステップ３０４５において、予測行動情報に応じて少なくとも１つのパラメータの現在値を調整する。

ここで、行動情報は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値をどのように調整するかを示すために用いられるので、ここでは、サブステップ３０４４で取得した予測行動情報に応じて少なくとも１つのパラメータの現在値を調整することができる。

サブステップ３０４６において、サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、行動ネットワークのネットワークパラメータを調整する。

ここで、様々な実現方式によって、サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、行動ネットワークのネットワークパラメータを調整することができる。

例えば、確率的勾配降下法（ＳＧＤ，Ｓｔｏｃｈａｓｔｉｃ Ｇｒａｄｉｅｎｔ Ｄｅｓｃｅｎｔ）、ニュートン法（Ｎｅｗｔｏｎ’ｓ Ｍｅｔｈｏｄ）、準ニュートン法（Ｑｕａｓｉ−Ｎｅｗｔｏｎ Ｍｅｔｈｏｄｓ）、共役勾配法（Ｑｕａｓｉ−Ｎｅｗｔｏｎ Ｍｅｔｈｏｄｓ）、ヒューリスティックな最適化手法及びほかの既知または将来開発される各種最適化アルゴリズムを用いてもよい。

例えば、ここで、所定の訓練終了条件には、訓練時間が第３の所定の期間を超えたこと、訓練回数が所定の回数を超えたこと、サンプル予測映像評価点数と取得したアノテーション映像評価点数との差が所定の差の閾値よりも小さいことの少なくとも１つを含んでもよい。

ステップ３０５において、初期行動ネットワークと初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定する。

ステップ２０５によって現在行動情報を取得した。

ステップ２０６において、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整する。

本実施例において、行動情報は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値をどのように調整するかを示すために用いられるので、ステップ２０４で取得した現在行動情報にも、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を調整するための情報が含まれている。本実施例において、上記実行主体は、様々な実現方式によって、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整することができる。例えば、現在行動情報は、あるパラメータの現在値の増加量、減少量、係数の乗算、または具体的な設定値などを示すことができる。

ステップ２０６によって、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値が調整された。

図４を参照されたい。図４は、本実施例に係るパラメータ調整方法のアプリケーションシナリオの概略図である。図４のアプリケーションシナリオにおいて、ニュースウェブサイトをサポートするサーバ４０１は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値４０２を取得した後、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数４０３を確定し、少なくとも１つのパラメータの現在値４０２に対して特徴抽出を行って、特徴表現４０４を取得し、特徴表現４０４及び確定された映像評価点数４０３を予め訓練された評価ネットワーク４０５に入力して、予測映像評価点数４０６を取得し、特徴表現４０４及び予測映像評価点数４０６を予め訓練された行動ネットワーク４０７に入力して、現在行動情報４０８を取得し、最後に、現在行動情報４０８に応じて少なくとも１つのパラメータの現在値４０２を調整する。

本願の上記実施例により提供される方法は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得し、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定し、少なくとも１つのパラメータの現在値に対して特徴抽出を行って、特徴表現を取得し、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力して、予測映像評価点数を取得し、予め訓練された行動ネットワークに特徴表現及び予測映像評価点数を入力して、現在行動情報を取得し、最後に、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整する。それによって、ニュースクラスタのために解説に対応する映像を生成する映像評価点数に応じて、映像の生成プロセスにおける少なくとも１つのパラメータを調整することができ、さらに後続の調整されたパラメータにより生成された、ニュースクラスタの解説に対応する映像の映像評価を向上させることができる。

さらに、図５を参照されたい。図５は、パラメータ調整方法の別の実施例のフロー５００を示した。該パラメータ調整方法のフロー５００は以下のステップを含む。

ステップ５０１において、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得する。

ステップ５０２において、ニュースクラスタに基づいて少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定する。

ステップ５０３において、少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得する。

ステップ５０４において、予め訓練された評価ネットワークに特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得する。

ステップ５０５において、予め訓練された行動ネットワークに特徴表現及び予測映像評価点数を入力し、現在行動情報を取得する。

ステップ５０６において、現在行動情報に応じて少なくとも１つのパラメータの現在値を調整する。

本実施例において、ステップ５０１、ステップ５０２、ステップ５０３、ステップ５０４、ステップ５０５及びステップ５０６の具体的な動作は、図２に示された実施例におけるステップ２０１、ステップ２０２、ステップ２０３、ステップ２０４、ステップ２０５及びステップ２０６の動作とほぼ同じであり、ここでは、説明を省略する。

ステップ５０７において、少なくとも１つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成する。

本実施例において、パラメータ調整方法の実行主体（例えば、図１に示されるサーバ）は、ステップ５０６における調整された少なくとも１つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成することができる。

ここで、対象ニュースクラスタは、同一のニュースイベントに対する任意の解説であってもよく、本願では、特に限定しない。

対象ニュースクラスタの解説に対応する映像を生成するプロセスは様々であり、本願では、特に限定しない。ここで、対象ニュースクラスタの解説に対応する映像を生成するプロセスは、ステップ５０１〜５０６で説明したニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスと同じであってもよく、係るパラメータも同じであってもよいことは理解されるだろう。ステップ５０６において、少なくとも１つのパラメータのパラメータ値を調整したため、調整されたパラメータは調整前よりもさらに最適化され、行動ネットワーク及び評価ネットワークの最適化目標から分かるように、調整されたパラメータに応じて生成された対象ニュースクラスタの解説に対応する映像の映像評価点数は、調整前のパラメータに応じて生成された対象ニュースクラスタの解説に対応する映像の映像評価点数よりも高い。

ステップ５０８において、端末装置から送信された、対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、対象ニュースクラスタの解説に対応する映像を端末装置に送信する。

本実施例において、上記実行主体は、端末装置から送信された、ステップ５０７で生成された対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求を受信したとき、対象ニュースクラスタの解説に対応する映像を端末装置に送信することができる。

ステップ５０９において、受信した映像を表示するように端末装置を制御する。

本実施例において、前記実行主体は、様々な実現方式によって、受信した映像を表示するように端末装置を制御することができる。例えば、上記実行主体は、受信した映像を直接再生するための制御命令を端末装置に送信することで、受信した映像を直接再生するように端末装置を制御する。

図５から分かるように、図２に対応する実施例と比べて、本実施例におけるパラメータ調整方法のフロー５００には、少なくとも１つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成し、端末装置から送信された、対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求を受信したとき、対象ニュースクラスタの解説に対応する映像を端末装置に送信し、受信した映像を表示するように端末装置を制御するステップが追加された。したがって、本実施例で説明した技術案は、映像の生成プロセスにおけるパラメータを調整した後に生成された、対象ニュースクラスタの解説に対応する映像を再生するように端末装置を制御することができる。ユーザは、端末装置上で、映像評価点数のより高い対象ニュースクラスタの解説に対応する映像を視聴することができ、端末装置の情報表示機能が拡張された。

さらに、図６を参照されたい。上記各図で示された方法の実現として、本願は、パラメータ調整装置の一実施例を提供し、該装置の実施例は図２で示された方法の実施例に対応しており、該装置は具体的には各種電子機器に適用できる。

図６に示すように、本実施例のパラメータ調整装置６００は、パラメータ現在値取得ユニット６０１、映像評価点数確定ユニット６０２、特徴抽出ユニット６０３、第１の入力ユニット６０４、第２の入力ユニット６０５及び調整ユニット６０６を備える。ここで、パラメータ現在値取得ユニット６０１は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得するように構成される。映像評価点数確定ユニット６０２は、ニュースクラスタに基づいて上記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定するように構成される。特徴抽出ユニット６０３は、上記少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得するように構成される。第１の入力ユニット６０４は、予め訓練された評価ネットワークに上記特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得するように構成される。第２の入力ユニット６０５は、予め訓練された行動ネットワークに上記特徴表現及び上記予測映像評価点数を入力し、現在行動情報を取得するように構成される。調整ユニット６０６は、上記現在行動情報に応じて上記少なくとも１つのパラメータの現在値を調整するように構成される。

本実施例において、パラメータ調整装置６００のパラメータ現在値取得ユニット６０１、映像評価点数確定ユニット６０２、特徴抽出ユニット６０３、第１の入力ユニット６０４、第２の入力ユニット６０５及び調整ユニット６０６の具体的な処理及びその技術的効果は、図２の対応する実施例におけるステップ２０１、ステップ２０２、ステップ２０３、ステップ２０４、ステップ２０５及びステップ２０６の関連説明を参照されたい。ここでは、説明を省略する。

本実施例のいくつかの選択可能な実現方式において、上記装置６００は、上記少なくとも１つのパラメータの現在値を調整した後、上記少なくとも１つのパラメータの現在値に応じて、対象ニュースクラスタの解説に対応する映像を生成するように構成された映像生成ユニット６０７をさらに備える。

本実施例のいくつかの選択可能な実現方式において、上記行動ネットワークは、訓練ステップによって予め訓練して取得されたものであってもよい。前記訓練ステップは、
初期行動ネットワークのネットワーク構造を決定し、上記初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、上記初期評価ネットワークのネットワークパラメータを初期化し、
上記少なくとも１つのパラメータの現在値を初期化し、
上記少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて上記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、上記サンプル特徴表現及び上記アノテーション映像評価点数を上記初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、上記サンプル特徴表現及び上記サンプル予測映像評価点数を上記初期行動ネットワークに入力し、予測行動情報を取得することと、上記予測行動情報に応じて上記少なくとも１つのパラメータの現在値を調整することと、上記サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて上記評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、上記行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
上記初期行動ネットワークと上記初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む。

本実施例のいくつかの選択可能な実現方式において、上記装置６００は、端末装置から送信された、上記の対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、対象ニュースクラスタの解説に対応する上記映像を端末装置に送信するように構成された映像送信ユニット６０８をさらに備えることができる。

本実施例のいくつかの選択可能な実現方式において、上記装置６００は、対象ニュースクラスタの解説に対応する上記映像を端末装置に送信した後、受信した映像を表示するように上記端末装置を制御するように構成された制御ユニット６０９をさらに備えることができる。

本実施例のいくつかの選択可能な実現方式において、上記映像評価点数確定ユニット６０２は、少なくとも１人のユーザが、ニュースクラスタに基づいて上記少なくとも１つのパラメータの現在値に応じて生成された少なくとも１つの対象映像を視聴した視聴行動情報を取得するように構成された視聴行動情報取得モジュール６０２１と、取得した視聴行動情報のそれぞれに対して、該視聴行動情報に対応する映像評価点数を確定するように構成された第１の決定モジュール６０２２と、確定された各映像評価点数の平均値を、ニュースクラスタに基づいて上記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数として決定するように構成された第２の決定モジュール６０２３とをさらに備えることができる。

本実施例のいくつかの選択可能な実現方式において、視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否か、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも１つを含んでもよい。

なお、本願の実施例によるパラメータ調整装置における各ユニットの実現の詳細及び技術的効果は、本願の別の実施例の説明を参照されたい。ここでは、説明を省略する。

以下、図７を参照されたい。図７では、本願の実施例を実現するためのサーバに適用されるコンピュータシステム７００の構造模式図を示した。図７に示されたサーバは、例示的なものに過ぎず、本願の実施例の機能及び使用範囲を限定するものではない。

図７に示すように、コンピュータシステム７００は、読み出し専用メモリ（ＲＯＭ，Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）７０２に記憶されているプログラム又は記憶部７０８からランダムアクセスメモリ（ＲＡＭ，Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）７０３にロードされたプログラムに基づいて様々な適切な動作及び処理を実行することができる中央処理装置（ＣＰＵ，Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）７０１を１つ又は複数備える。ＲＡＭ７０３には、システム７００の動作に必要な様々なプログラム及びデータがさらに記憶されている。ＣＰＵ７０１、ＲＯＭ７０２及びＲＡＭ７０３はバス７０４を介して互いに接続される。入力／出力（Ｉ/Ｏ，Ｉｎｐｕｔ/Ｏｕｔｐｕｔ）インターフェース７０５もバス７０４に接続される。

キーボード、マウスなどを含む入力部７０６と、陰極線管（ＣＲＴ，Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、液晶ディスプレイ（ＬＣＤ，Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）など及びスピーカなどを含む出力部７０７と、ハードディスクなどを含む記憶部７０８と、ＬＡＮ（ローカルエリアネットワーク，Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）カード、モデムなどのネットワークインターフェースカードを含む通信部７０９は、Ｉ／Ｏインターフェース７０５に接続される。通信部７０９は、インターネットのようなネットワークを介して通信処理を実行する。ドライバ７１０も必要に応じてＩ／Ｏインターフェース７０５に接続される。磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどのようなリムーバブルメディア７１１は、必要に応じて、読み出されたコンピュータプログラムを必要に応じて記憶部７０８にインストールできるように、ドライブ７１０に取り付けられる。

特に、本開示の実施例によれば、以上のフローチャートを参照しながら記載したプロセスは、コンピュータソフトウェアプログラムとして実現することができる。例えば、本開示の実施例は、コンピュータ可読媒体にロードされるコンピュータプログラムを含むコンピュータプログラム製品を含み、該コンピュータプログラムは、フローチャートに示された方法を実行するためのプログラムコードを含む。このような実施例において、該コンピュータプログラムは、通信部７０９を介してネットワークからダウンロードされてインストールされてもよく、及び／又はリムーバブルメディア７１１からインストールされてもよい。該コンピュータプログラムが中央処理装置（ＣＰＵ）７０１により実行されると、本願の方法によって限定された上記機能が実行される。なお、本願に記載されたコンピュータ可読媒体は、コンピュータ可読信号媒体、コンピュータ可読記憶媒体、或いは上記両者の任意の組み合わせであってもよい。コンピュータ可読記憶媒体は、例えば、電気、磁気、光、電磁気、赤外線、又は半導体のシステム、装置又はデバイス、あるいは任意の上記の組み合わせであってもよいが、これらに限定するものではない。コンピュータ可読記憶媒体のより具体的な例示として、１本又は複数本の導線を有する電気接続、携帯可能なコンピュータ磁気ディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラマブル読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ケーブル、携帯可能なコンパクトディスク読み出し専用メモリ（ＣＤ−ＲＯＭ）、光記憶装置、磁気記憶装置、又は上記の任意の適切な組み合わせを含むが、これらに限定されない。本願において、コンピュータ可読記憶媒体は、プログラムを含有又は記憶するいずれの有形媒体であってもよく、該プログラムは、命令実行システム、装置又はデバイスに用いられ、又はそれらに組み合わせて用いられてもよい。本願において、コンピュータ可読信号媒体は、ベースバンドにおいて又はキャリアの一部として伝搬されるデータ信号を含み、コンピュータ可読プログラムコードがロードされる。このように伝搬されるデータ信号は、電磁気信号、光信号又は上記任意の適切な組み合わせを含む種々の形式を採ることができるが、これらに限定されない。コンピュータ可読信号媒体は、コンピュータ可読記憶媒体以外のいかなるコンピュータ可読媒体であってもよく、該コンピュータ可読媒体は、命令実行システム、装置又はデバイスにより使用され、又はそれらと組み合わせて使用されるためのプログラムを送信、伝搬又は伝送することができる。コンピュータ可読媒体に含まれるプログラムコードは、無線、電線、光ケーブル、ＲＦなど、又は上記任意の適切な組み合わせを含む任意の適切な媒体を用いて伝送することができるが、それらに限定されない。

１つまたは複数のプログラミング言語またはそれらの組み合わせによって、本願の動作の実行に用いられるコンピュータプログラムコードを作成してもよい。上記プログラミング言語は、Ｊａｖａ（登録商標）、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのようなオブジェクト指向のプログラミング言語を含み、さらに「Ｃ」言語または類似のプログラミング言語のような手続き型プログラミング言語を含む。プログラムコードは完全にユーザコンピュータ上で実行されてもよく、部分的にユーザコンピュータ上で実行されてもよく、スタンドアロンソフトウェアパッケージとして実行されてもよく、一部がユーザコンピュータ上で実行され一部がリモートコンピュータ上で実行されてもよく、或いは完全にリモートコンピュータまたはサーバ上で実行されてもよい。リモートコンピュータに関わる場合、リモートコンピュータはローカルエリアネットワーク（ＬＡＮ）またはワイドエリアネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを通じてユーザコンピュータに接続されてもよく、または外部コンピュータ（例えばインターネットサービスプロバイダーによるインターネットを通じて接続する）に接続されてもよい。

添付図面におけるフローチャート及びブロック図は、本願の各種実施例によるシステム、方法及びコンピュータプログラム製品の実現可能なアーキテクチャー、機能及び動作を示した。この点において、フローチャート又はブロック図におけるそれぞれのブロックは、１つのモジュール、プログラムセグメント、又はコードの一部を代表することができ、該モジュール、プログラムセグメント、又はコードの一部は、所定のロジック機能を実現するための１つ又は複数の実行可能な命令を含む。なお、代替の実現において、ブロックに表示された機能は、図面に表示された順番と異なる順番で発生させることができる。例えば、２つの直列的に示されたブロックは、実際には、基本的に並行して実行することができ、機能によっては、逆の順番で実行することも可能である。なお、ブロック図及び／又はフローチャートにおけるそれぞれのブロックと、ブロック図及び／又はフローチャートにおけるブロックの組み合わせは、所定の機能又は動作を実行するための専用のハードウェアに基づくシステムによって実現することができ、あるいは、専用ハードウェアとコンピュータ命令の組み合わせによって実現することができる。

本願の実施例に説明されたユニットは、ソフトウェアによって実現されてもよく、ハードウェアによって実現されてもよい。説明されたユニットはプロセッサに構成されてもよい。例えば、パラメータ現在値取得ユニット、映像評価点数確定ユニット、特徴抽出ユニット、第１の入力ユニット、第２の入力ユニット及び調整ユニットを備えるプロセッサとして記載されてもよい。なお、これらのユニットの名称は場合によってはユニット自体への限定を構成せず、例えば、パラメータ現在値取得ユニットは、「ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得するユニット」と記載されてもよい。

一方、本願は、コンピュータ可読媒体をさらに提供し、該コンピュータ可読媒体は、上記実施例に記載された装置に含まれてもよく、該装置に取り付けられずに別体に存在してもよい。上記コンピュータ可読媒体には１つ以上のプログラムが記録されており、該１つ以上のプログラムが該装置により実行されるとき、該装置は、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得し、ニュースクラスタに基づいて上記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定し、上記少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得し、予め訓練された評価ネットワークに上記特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得し、予め訓練された行動ネットワークに上記特徴表現及び上記予測映像評価点数を入力し、現在行動情報を取得し、上記現在行動情報に応じて上記少なくとも１つのパラメータの現在値を調整する。

もう一方、本願の実施例は、インターフェースと、１つ以上のプログラムが記憶されたメモリと、上記インターフェース及び上記メモリに動作可能に接続された１つ以上のプロセッサとを備える別のサーバを提供する。該プロセッサは、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得し、ニュースクラスタに基づいて上記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定し、上記少なくとも１つのパラメータの現在値に対して特徴抽出を行って、特徴表現を取得し、予め訓練された評価ネットワークに上記特徴表現及び確定された映像評価点数を入力して、予測映像評価点数を取得し、予め訓練された行動ネットワークに上記特徴表現及び上記予測映像評価点数を入力して、現在行動情報を取得し、上記現在行動情報に応じて上記少なくとも１つのパラメータの現在値を調整することに用いられる。

もう一方、本願の実施例は、コンピュータプログラムが記憶されているコンピュータ可読記憶媒体を提供し、上記コンピュータプログラムが１つ以上のプロセッサによって実行されるとき、上記１つ以上のプロセッサは、ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得し、ニュースクラスタに基づいて上記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定し、上記少なくとも１つのパラメータの現在値に対して特徴抽出を行って、特徴表現を取得し、予め訓練された評価ネットワークに上記特徴表現及び確定された映像評価点数を入力して、予測映像評価点数を取得し、予め訓練された行動ネットワークに上記特徴表現及び上記予測映像評価点数を入力して、現在行動情報を取得し、上記現在行動情報に応じて少なくとも１つのパラメータの現在値を調整する。

以上の記載は、本願の好ましい実施例、および使用された技術的原理の説明に過ぎない。本願に係る特許請求の範囲が、上記した技術的特徴の特定な組み合わせからなる技術案に限定されることではなく、本願の趣旨を逸脱しない範囲で、前記技術的特徴または同等の特徴の任意の組み合わせからなる他の技術案も含むべきであることを当業者は理解すべきである。例えば、前記特徴と、本願に開示された類似の機能を持っている技術的特徴（これらに限定されていない）とを互いに置き換えてなる技術案が挙げられる。

Claims (17)

1. ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得することと、
   ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像評価点数を確定することと、
   前記少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得することと、
   予め訓練された評価ネットワークに前記特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得することと、
   予め訓練された行動ネットワークに前記特徴表現及び前記予測映像評価点数を入力し、現在行動情報を取得することと、
   前記現在行動情報に応じて前記少なくとも１つのパラメータの現在値を調整することと、を含むパラメータ調整方法。
2. 前記少なくとも１つのパラメータの現在値を調整した後、
   前記少なくとも１つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成することをさらに含む請求項１に記載のパラメータ調整方法。
3. 前記行動ネットワーク及び前記評価ネットワークは、訓練ステップによって予め訓練して取得されたものであり、前記訓練ステップは、
   初期行動ネットワークのネットワーク構造を決定し、前記初期行動ネットワークのネットワークパラメータを初期化し、
   初期評価ネットワークのネットワーク構造を決定し、前記初期評価ネットワークのネットワークパラメータを初期化し、
   前記少なくとも１つのパラメータの現在値を初期化し、
   前記少なくとも１つのパラメータの現在値に対して特徴抽出を行い、サンプル特徴表現を取得することと、前記少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、前記サンプル特徴表現及び前記アノテーション映像評価点数を前記初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、前記サンプル特徴表現及び前記サンプル予測映像評価点数を前記初期行動ネットワークに入力し、予測行動情報を取得することと、前記予測行動情報に応じて前記少なくとも１つのパラメータの現在値を調整することと、前記サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて前記評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、前記行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
   前記初期行動ネットワークと前記初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む、請求項２に記載のパラメータ調整方法。
4. 端末装置から送信された、前記の対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信することをさらに含む請求項３に記載のパラメータ調整方法。
5. 前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信した後、
   受信した映像を表示するように前記端末装置を制御することをさらに含む請求項４に記載のパラメータ調整方法。
6. 前記のニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定することは、
   少なくとも１人のユーザが、ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像である少なくとも１つの対象映像を視聴した視聴行動情報を取得することと、
   取得した視聴行動情報のそれぞれに対して、該視聴行動情報に対応する映像評価点数を確定することと、
   確定された各映像評価点数の平均値を、ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数として決定することと、を含む請求項５に記載のパラメータ調整方法。
7. 視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否かを示す識別子、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも１つを含む請求項６に記載のパラメータ調整方法。
8. ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも１つのパラメータの現在値を取得するように構成されたパラメータ現在値取得ユニットと、
   ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数を確定するように構成された映像評価点数確定ユニットと、
   前記少なくとも１つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得するように構成された特徴抽出ユニットと、
   予め訓練された評価ネットワークに前記特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得するように構成された第１の入力ユニットと、
   予め訓練された行動ネットワークに前記特徴表現及び前記予測映像評価点数を入力し、現在行動情報を取得するように構成された第２の入力ユニットと、
   前記現在行動情報に応じて前記少なくとも１つのパラメータの現在値を調整するように構成された調整ユニットと、を備えるパラメータ調整装置。
9. 前記少なくとも１つのパラメータの現在値を調整した後、前記少なくとも１つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成するように構成された映像生成ユニットをさらに備える請求項８に記載のパラメータ調整装置。
10. 前記行動ネットワーク及び前記評価ネットワークは、訓練ステップによって予め訓練して取得されたものであり、前記訓練ステップは、
    初期行動ネットワークのネットワーク構造を決定し、前記初期行動ネットワークのネットワークパラメータを初期化し、
    初期評価ネットワークのネットワーク構造を決定し、前記初期評価ネットワークのネットワークパラメータを初期化し、
    前記少なくとも１つのパラメータの現在値を初期化し、
    前記少なくとも１つのパラメータの現在値に対して特徴抽出を行い、サンプル特徴表現を取得することと、前記少なくとも１つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、前記サンプル特徴表現及び前記アノテーション映像評価点数を前記初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、前記サンプル特徴表現及び前記サンプル予測映像評価点数を前記初期行動ネットワークに入力し、予測行動情報を取得することと、前記予測行動情報に応じて前記少なくとも１つのパラメータの現在値を調整することと、前記サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて前記評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、前記行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
    前記初期行動ネットワークと前記初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む請求項９に記載のパラメータ調整装置。
11. 端末装置から送信された、前記の対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信するように構成された映像送信ユニットをさらに備える請求項１０に記載のパラメータ調整装置。
12. 前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信した後、
    受信した映像を表示するように前記端末装置を制御するように構成された制御ユニットをさらに備える請求項１１に記載のパラメータ調整装置。
13. 前記映像評価点数確定ユニットは、
    少なくとも１人のユーザが、ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像である少なくとも１つの対象映像を視聴した視聴行動情報を取得するように構成された視聴行動情報取得モジュールと、
    取得した視聴行動情報のそれぞれに対して、該視聴行動情報に対応する映像評価点数を確定するように構成された第１の決定モジュールと、
    確定された各映像評価点数の平均値を、ニュースクラスタに基づいて前記少なくとも１つのパラメータの現在値に応じて生成された映像の映像評価点数として決定するように構成された第２の決定モジュールと、を備える請求項１２に記載のパラメータ調整装置。
14. 視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否かを示す識別子、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも１つを含む請求項１３に記載のパラメータ調整装置。
15. １つ以上のプロセッサと、
    １つ以上のプログラムが記憶されているメモリとを備えており、
    前記１つ以上のプログラムが前記１つ以上のプロセッサにより実行されるとき、前記１つ以上のプロセッサに請求項１〜７のいずれか１項に記載のパラメータ調整方法を実現させるサーバ。
16. コンピュータプログラムが記憶されているコンピュータ可読記憶媒体であって、
    前記コンピュータプログラムが１つ以上のプロセッサにより実行されるとき、請求項１〜７のいずれか１項に記載のパラメータ調整方法を実現するコンピュータ可読記憶媒体。
17. コンピュータプログラムであって、
    前記コンピュータプログラムがプロセッサにより実行されると、請求項１〜７のいずれか１項に記載のパラメータ調整方法を実現する、コンピュータプログラム。
    

Images