(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111073114.5 (22)申请日 2021.09.14 (65)同一申请的已公布的文献号 申请公布号 CN 113516522 A (43)申请公布日 2021.10.19 (73)专利权人 腾讯科技 （深圳） 有限公司 地址 518057 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 赵忠　傅妍玫　梁瀚明　马骊　 赵光耀　户维波　张立广　吴铭津　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 代理人 孙晓丽 (51)Int.Cl. G06F 30/27(2020.01)G06Q 30/02(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01) (56)对比文件 CN 112508613 A,2021.0 3.16 US 20140 59055 A1,2014.02.27 审查员 詹淑琳 (54)发明名称 媒体资源推荐 方法、 多目标融合模 型的训练 方法及装置 (57)摘要 本申请提供了一种媒体 资源推荐 方法、 多目 标融合模型的训练方法及装置， 属于机器学习技 术领域， 可应用于云技术、 人工智能以及智慧交 通等各种场景。 所述方法包括： 基于目标对象的 对象特征、 媒体资源的资源特征和关联特征， 确 定业务目标预估信息； 基于所述对象特征， 确定 对象类型信息； 基于所述业务目标预估信息和所 述对象类型信息， 确定所述媒体资源的推荐信 息； 响应于所述推荐信息满足推荐条件， 向所述 目标对象推荐所述媒体资源。 上述技术方案， 能 够基于对象属于各对象类型的概率来对业务目 标的预估效果进行融合， 从而对于不同对象类型 的对象， 业务目标的预估效果的融合方式不同， 提高了融合结果的准确性， 能够有效的解决 “此 消彼长”问题。 权利要求书4页 说明书21页 附图11页 CN 113516522 B 2022.03.04 CN 113516522 B 1.一种媒体资源推荐方法， 其特 征在于， 所述方法包括： 基于多目标融合模型中的多目标子模型， 对目标对象的对象特征、 媒体资源的资源特 征和关联特征进行 处理， 得到业务目标预估信息， 所述多目标子模型包括第一模 型、 第二模 型和第三模型， 所述第一模型用于特征交叉， 所述第二模型用于确定多个业务目标 的中间 预估效果， 所述第三模型用于基于所述第一模型和所述第二模型的输出确定所述业务目标 预估信息， 所述关联特征用于指示所述媒体资源与所述 目标对象之间的关联关系， 所述业 务目标预估信息用于表示将所述媒体资源推荐给所述目标对 象后多个业务目标 的预估效 果； 基于所述多目标融合模型中的对象类型子模型， 对所述对象特征进行处理， 得到对象 类型信息， 所述对象类型子模型用于预测对象属于所述多个业务目标对应的多个对象类型 的概率， 所述对象类型信息用于表示所述目标对象属于各对象类型的概 率； 基于所述多目标融合模型中的融合子模型， 对所述业务目标预估信 息和所述对象类型 信息进行拼接， 对拼接得到的向量进 行多次全连接， 得到所述媒体资源的推荐信息， 所述推 荐信息用于指示所述媒体资源的推荐分数， 所述融合子模型用于基于所述目标对象所属的 对象类型， 对所述多个业 务目标的预估效果进行融合； 响应于所述推荐信息满足推荐条件， 向所述目标对象推荐所述 媒体资源。 2.根据权利要求1所述的方法， 其特征在于， 所述对目标对象的对象特征、 媒体资源的 资源特征和关联 特征进行处 理， 得到业 务目标预估信息， 包括： 对所述目标对象的对象特征、 所述媒体资源的资源特征和所述关联特征中的稀疏特征 进行特征交叉， 得到交叉 特征； 基于所述对象特征、 所述资源特征和所述关联特征， 确定多个预估特征， 所述多个预估 特征用于指示所述多个业 务目标的中间预估效果； 基于所述交叉 特征和所述多个预估特 征， 得到所述 业务目标预估信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述目标对象的对象特征、 所述媒 体资源的资源特 征和所述关联 特征中的稀疏 特征进行特征交叉， 得到交叉 特征， 包括： 对所述目标对象的对象特征、 所述媒体资源的资源特征和所述关联特征中的稀疏特征 中的多个非零元 素进行加权求和， 得到一阶特 征， 一个非零元 素对应一个元 素权重； 对所述对象特征、 所述资源特征和所述关联特征中的稀疏特征进行降维， 得到多个第 一降维特 征； 基于所述多个第一降维特 征， 确定二阶交叉 特征； 对所述一阶特征和所述 二阶交叉 特征进行拼接， 得到所述交叉 特征。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述多个第一降维特征， 确定二 阶交叉特征， 包括： 确定所述多个第一降维特 征中任意两个第二降维特 征的内积； 对确定的多个内积进行求和， 得到所述 二阶交叉 特征。 5.根据权利要求2所述的方法， 其特征在于， 所述基于所述对象特征、 所述资源特征和 所述关联 特征， 确定多个预估特 征， 包括： 将所述对象特征、 所述资源特征和所述关联特征中的稠密特征和多个第 二降维特征进 行拼接， 得到第一输入特征， 所述多个第二降维特征由对所述对象特征、 所述资源特征和所权　利　要　求　书 1/4 页 2 CN 113516522 B 2述关联特征中的稀疏 特征进行降维得到； 基于所述多个业务目标对应的多个专家网络， 分别对所述第一输入特征进行处理， 得 到多个专 家网络输出特征； 基于所述多个业务目标对应的多个门控函数， 分别对所述第 一输入特征和所述多个专 家网络输出特征进行处 理， 得到多个门控输出 特征； 基于所述多个业务目标对应的多个多层感知器， 分别对所述多个门控输出特征进行处 理， 得到所述多个预估特 征。 6.根据权利要求5所述的方法， 其特征在于， 所述基于所述多个业务目标对应的多个门 控函数， 分别对所述第一输入特征和所述多个专家网络输出特征进行处理， 得到多个门控 输出特征， 包括： 对于任一业务目标， 基于所述业务目标的门控函数， 对所述第一输入特征进行全连接 和映射， 得到多个第一权 重， 所述多个第一权 重与所述多个专 家网络输出特征一一对应； 基于所述多个第一权重， 对所述多个专家网络输出特征进行加权求和， 得到所述业务 目标对应的门控输出 特征。 7.根据权利要求2所述的方法， 其特征在于， 所述基于所述交叉特征和所述多个预估特 征， 确定所述 业务目标预估信息， 包括： 将所述交叉 特征和所述多个预估特 征分别进行拼接， 得到多个第二 拼接特征； 基于所述多个第二 拼接特征， 确定所述 业务目标预估信息 。 8.根据权利要求1所述的方法， 其特征在于， 所述对所述对象特征进行处理， 得到对象 类型信息， 包括： 获取多个对象降维特征， 所述对象降维特征由对对象特征中的稀疏特征进行降维得 到； 将所述多个对象降维特征和所述对象特征中的稠密特征进行拼接， 得到第二输入特 征； 对所述第二输入特 征进行多次全连接和映射， 得到所述对象类型信息 。 9.根据权利要求1 ‑8任一项所述的方法， 其特 征在于， 所述推荐条件 包括下述任一项： 所述推荐信息所指示的推荐分数在多个媒体资源的推荐信息所指示的推荐分数中的 排序小于次序阈值； 所述推荐信息所指示的推荐分数 大于分数阈值。 10.一种多目标融合模型的训练方法， 其特征在于， 所述多目标融合模型包括对象类型 子模型、 多目标子模型以及融合子模型， 所述方法包括： 对于任一样本信息， 将所述样本信息中的样本对象特征、 样本资源特征和样本关联特 征输入所述多目标子模型， 得到所述样本信息的样本预估信息， 所述样本关联特征用于指 示所述样本资源特征对应的样本媒体资源与所述样本对 象特征对应的样本对 象之间的关 联关系， 所述多目标子模型包括第一模 型、 第二模 型和第三模型， 所述第一模型用于特征 交 叉， 所述第二模型用于确定多个业务 目标的中间预估效果， 所述第三模型用于基于所述第 一模型和所述第二模型的输出确定所述业务目标预估信息， 所述样本预估信息用于表示所 述样本对象点击所述样本媒体资源后多个业 务目标的预估效果； 将所述样本信 息中的样本对象特征输入所述对象类型子模型， 得到所述样本信 息的样权　利　要　求　书 2/4 页 3 CN 113516522 B 3