(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211035286.8 (22)申请日 2022.08.26 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518000 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 牛明　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 周婷婷 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/435(2019.01) G06F 16/48(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 媒体资源的召回方法和媒体资源召回模型 的训练方法 (57)摘要 本申请公开了一种媒体资源的召回方法和 媒体资源召回模型的训练方法。 其中， 该方法可 应用于云技术、 人工智能、 智慧交通、 辅助 驾驶等 各种场景， 包括： 获取当前待召回的媒体资源的 资源曝光参数； 将媒体资源输入第一媒体资源召 回模型， 以输出得到与资源竞争参数相匹配的第 一召回参数， 并将媒体资源输入第二媒体资源召 回模型， 以输出得到与资源竞争参数相匹配的第 二召回参数； 基于第一召回参数和第二召回参 数， 确定与媒体资源相匹配的召回置信度； 按照 召回置信度对媒体 资源进行召回处理。 本申请解 决了相关技术中提供的对媒体资源的召回方式 存在召回结果 不够准确的技 术问题。 权利要求书3页 说明书18页 附图5页 CN 115374360 A 2022.11.22 CN 115374360 A 1.一种媒体资源的召回方法， 其特 征在于， 包括： 获取当前待召回的媒体资源的资源曝光参数， 其中， 所述资源曝光参数中包括与所述 媒体资源匹配的资源竞争参数， 所述资源竞争参数用于调整 所述媒体资源被曝光时的曝光 模式； 将所述媒体资源输入第 一媒体资源召回模型， 以输出得到与 所述资源竞争参数相匹配 的第一召回参数， 并将所述媒体资源输入第二媒体资源召回模型， 以输出得到与所述资源 竞争参数相匹配的第二召回参数， 其中， 所述第一媒体资源召回模型为利用第一样本结构 的样本媒体资源数据进行训练得到的召回模型， 所述第二媒体资源召回模 型为利用第二样 本结构的样本媒体资源数据进行训练得到的召回模型； 基于所述第 一召回参数和所述第 二召回参数， 确定与 所述媒体资源相匹配的召回置信 度； 按照所述召回置信度对所述 媒体资源进行召回处 理。 2.根据权利要求1所述的方法， 其特征在于， 在所述获取当前待召回的媒体资源的资源 曝光参数之后， 还 包括： 基于所述资源曝光参数提取所述媒体资源对应的接受投放账号特征向量， 及所述媒体 资源中指示的物品所对应的物品属 性特征向量， 其中， 所述接受投放账号特征向量包括与 所述接受投放账号关联的多个账号属性子特征向量， 所述物品属性特征向量包括与所述物 品关联的多个物品属性子特征向量， 所述多个物品属性子特征向量包括与所述资源竞争参 数关联的 曝光竞争子特 征向量； 对所述多个账号属性子特征向量进行交叉融合得到账号特征多维向量， 并对所述多个 物品属性子特征向量进行 交叉融合得到物品特征多维向量； 将所述账号特征多维向量和所 述物品特 征多维向量输入所述第一 媒体资源召回模型和所述第二 媒体资源召回模型。 3.根据权利要求1所述的方法， 其特征在于， 在所述获取当前待召回的媒体资源的资源 曝光参数之前， 还 包括： 构建所述第 一样本结构的样本媒体资源数据， 及所述第 二样本结构的样本媒体资源数 据， 其中， 所述样本媒体资源数据中包括样本媒体资源的资源竞争参数； 利用所述第一样本结构的样本媒体资源数据对初始化第一媒体资源召回模型进行训 练， 得到第一训练损失值； 并利用所述第二样本结构的样本媒体资源数据对初始化第二媒 体资源召回模型进行训练， 得到第二训练损失值； 在所述第一训练损失值及所述第二训练损失值的加权求和结果达到训练收敛条件的 情况下， 确定得到所述第一 媒体资源召回模型和所述第二 媒体资源召回模型。 4.根据权利要求3所述的方法， 其特征在于， 所述构建所述第 一样本结构的样本媒体资 源数据， 及所述第二样本结构的样本媒体资源数据包括： 获取多个样本媒体资源及所述样本媒体资源 对应的接受 投放账号信息； 将所述接受投放账号信息和所述样本媒体资源以二元组形式构建为所述第一样本结 构的样本媒体资源数据； 获取与所述样本媒体资源匹配的样本标签， 其中， 所述样本标签包括曝光后被点击过 的正样本标签和曝光后未被点击过的负 样本标签； 将所述接受投放账号信息和携带有所述正样本标签的所述样本媒体资源及携带有所权　利　要　求　书 1/3 页 2 CN 115374360 A 2述负样本标签的所述样本媒体资源， 以三元组形式构建为所述第二样本结构的样本媒体资 源数据。 5.根据权利要求4所述的方法， 其特征在于， 在利用所述第 一样本结构的样本媒体资源 数据对初始化第一媒体资源召回模型进行训练， 得到第一训练损失值； 并利用所述第二样 本结构的样本媒体资源数据对初始 化第二媒体资源召回模型进行训练， 得到第二训练损失 值之后， 还 包括： 在所述第一样本结构的样本媒体数据中的是携带有所述正样本标签的所述样本媒体 资源情况下， 将所述第一媒体资源召回模型中的召回系 数置为第一 目标值， 并基于所述第 一目标值、 所述样本媒体资源的资源竞争参数和所述第一媒体资源召回模 型训练输出的第 一训练召回参数获取所述第一训练损失值； 在所述第一样本结构的样本媒体数据中的是携 带有所述负样本标签的所述样本媒体资源情况下， 将所述第一媒体资源召回模型中的所述 召回系数置为第二目标值， 并基于所述第二目标值和所述第一媒体资源召回模型训练输出 的第一训练召回参数获取 所述第一训练损失值； 在所述第二样本结构的样本媒体数据中同时携带有所述正样本标签的所述样本媒体 资源和携带有 所述负样本标签的所述样本媒体资源的情况下， 基于所述接受投放账号信息 和携带有 所述正样本标签的所述样本媒体资源确定第一训练子值， 并基于所述接受投放账 号信息和携带有 所述负样本标签的所述样本媒体资源确定第二训练子值； 基于所述第一训 练子值和所述第二训练子值确定所述第二训练损失值； 在所述第二样本结构的样本媒体数 据中的是携带有 所述负样本标签的所述样本媒体资源的情况下， 将所述第二训练损失值置 为参考值。 6.根据权利要求3至5中任一项所述的方法， 其特征在于， 在构建所述第一样本结构的 样本媒体资源数据， 及所述第二样本结构的样本媒体资源数据之前， 还 包括以下至少之一： 获取媒体资源曝光日志， 其中， 所述媒体资源曝光日志用于记录曝光后各个接受投放 账号所反馈的点击结果； 获取所述媒体资源的排序日志， 其中， 所述排序日志用于记录所述媒体资源被投放后 的排序拟合结果； 获取所述媒体资源对应的标注标签， 其中， 所述标注标签用于标注对媒体资源的质量 评价结果。 7.一种媒体资源召回模型的训练方法， 其特 征在于， 包括： 构建第一样本结构的样本媒体资源数据， 及第 二样本结构的样本媒体资源数据， 其中， 所述样本媒体资源数据中包括样本媒体资源的资源竞争参数， 所述资源竞争参数用于调整 媒体资源被曝光时的 曝光模式； 利用所述第一样本结构的样本媒体资源数据对初始化第一媒体资源召回模型进行训 练， 得到第一训练损失值； 并利用所述第二样本结构的样本媒体资源数据对初始化第二媒 体资源召回模型进行训练， 得到第二训练损失值； 在所述第一训练损失值及所述第二训练损失值的加权求和结果达到训练收敛条件的 情况下， 确定得到第一媒体资源召回模 型和第二媒体 资源召回模型， 其中， 基于所述第一媒 体资源召回模型输出的与资源竞争参数相匹配的第一召回参数和所述第二媒体资源召回 模型输出的与资源竞争参数相匹配的第二召回参数， 将确定出当前待召回的媒体资源的召权　利　要　求　书 2/3 页 3 CN 115374360 A 3