内容排序方法、装置、设备、介质及程序产品与流程

本申请实施例涉及人工智能(artificial intelligence，ai)，尤其涉及一种内容排序方法、装置、设备、介质及程序产品。

背景技术：

1、在推荐场景中经常需要对若干待推荐内容进行排序，以向对象推荐这些待推荐内容。通常推荐场景中的待推荐内容都是同一形态的内容，例如，在电商平台上，待推荐内容可以是图片形态。然而，对于有些推荐场景，待推荐内容具有形态多样的特性，例如，在即时通信软件中的订阅平台上，待推荐内容可以是图片、文章、短视频等形态。基于此，针对多形态的待推荐内容，如何对待推荐内容进行排序是本申请亟待解决的技术问题。

技术实现思路

1、本申请提供一种内容排序方法、装置、设备、介质及程序产品，从而可以适应于待推荐内容具有形态多样特性的推荐场景。

2、第一方面，本申请实施例提供一种内容排序方法，包括：获取目标对象的特征信息和目标对象对应的n个待推荐内容各自的特征信息；其中，n个待推荐内容具有m种形态，n和m均为大于1的整数；基于目标对象的特征信息和n个待推荐内容各自的特征信息，生成格式相同的n个输入信息；将n个输入信息输入排序模型中，得到n个待推荐内容的排序结果。

3、第二方面，本申请实施例提供一种内容排序装置，包括：获取模块、生成模块和输入模块。获取模块用于获取目标对象的特征信息和目标对象对应的n个待推荐内容各自的特征信息；其中，n个待推荐内容具有m种形态，n和m均为大于1的整数；生成模块用于基于目标对象的特征信息和n个待推荐内容各自的特征信息，生成格式相同的n个输入信息；输入模块用于将n个输入信息输入排序模型中，得到n个待推荐内容的排序结果。

4、在一些可实现方式中，获取模块还用于在生成模块基于目标对象的特征信息和n个待推荐内容各自的特征信息，生成格式相同的n个输入信息之前，获取n个待推荐内容各自的内容来源标识；相应的，生成模块具体用于：基于目标对象的特征信息、n个待推荐内容各自的特征信息和n个待推荐内容各自的内容来源标识，生成格式相同的n个输入信息。

5、在一些可实现方式中，生成模块具体用于：针对n个待推荐内容中的任一个待推荐内容，按照n个输入信息的统一格式对目标对象的特征信息、待推荐内容的特征信息和待推荐内容的内容来源标识进行组合，得到待推荐内容的输入信息；其中，当待推荐内容不包括n个输入信息的统一格式中任一项的信息时，待推荐内容的输入信息中任一项的信息被置为0。

6、在一些可实现方式中，排序模型从下至上依次包括：

7、输入层，用于输入n个输入信息；

8、嵌入层，用于对n个输入信息进行降维处理，得到n个嵌入向量；

9、从下至上依次排列的l个专家网络选择层，针对l个专家网络选择层中的任一个专家网络选择层，专家网络选择层包括：p个专家网络、门控网络和聚合网络；p个专家网络用于基于专家网络选择层的输入信息确定p个专家结果；门控网络用于基于专家网络选择层的输入信息确定p个专家结果各自的权重，聚合网络用于基于p个专家结果各自的权重对p个专家结果进行聚合，得到聚合结果；其中，l为正整数，p为大于1的整数；

10、输出层，用于基于l个专家网络选择层中最上层专家网络选择层所输出的聚合结果得到n个待推荐内容的排序结果。

11、在一些可实现方式中，门控网络包括：

12、第一全连接子网络，用于对专家网络选择层的输入信息进行全连接处理，得到第一向量；

13、第二全连接子网络，用于对专家网络选择层的输入信息进行全连接处理，得到第二向量；

14、处理子网络，用于基于第一向量和第二向量，得到第三向量；并对第三向量进行稀疏化处理，得到p个专家网络各自的权重。

15、在一些可实现方式中，处理子网络具体用于：计算第二向量与零的乘积，得到零向量；计算零向量与第一向量之和，得到第三向量。

16、在一些可实现方式中，处理子网络具体用于：按照第三向量中元素由大至小的顺序将第三向量中前k个元素保持不变，并将第三向量中除前k个元素以外的其余元素设置为负无穷值，以得到第四向量，其中，k为正整数；通过激活函数将第四向量中非负无穷值设置为0至1之间的数值，并将第四向量中的负无穷值设置为0，以得到p个专家网络各自的权重。

17、在一些可实现方式中，装置还包括：训练模块，获取模块还用于获取训练样本；训练模块用于基于训练样本训练排序模型；其中，在训练模块训练排序模型时，门控网络中的各个子网络分别用于：

18、第一全连接子网络用于对专家网络选择层的输入信息进行全连接处理，得到第五向量；

19、第二全连接子网络用于对专家网络选择层的输入信息进行全连接处理，得到第六向量；

20、处理子网络用于基于第五向量和第六向量，得到第七向量；并对第七向量进行稀疏化处理，得到p个专家网络各自的权重。

21、在一些可实现方式中，处理子网络具体用于：基于随机标准正太分布产生随机值；计算第六向量与随机值的乘积，得到第八向量；计算第八向量与第五向量之和，得到第七向量。

22、在一些可实现方式中，装置还包括：确定模块，用于确定n个待推荐内容的内容来源数量和排序模型的任务数量；基于n个待推荐内容的内容来源数量和排序模型的任务数量确定排序模型中每个专家网络选择层中的专家网络数量。

23、在一些可实现方式中，装置还包括：确定模块具体用于：计算n个待推荐内容的内容来源数量、排序模型的任务数量和预设值的乘积，得到排序模型中每个专家网络选择层中的专家网络数量。

24、第三方面，本申请实施例提供一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，该处理器用于调用并运行该存储器中存储的计算机程序，执行如第一方面或其各实现方式中的方法。

25、第四方面，本申请实施例提供一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

26、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。

27、第六方面，本申请实施例提供一种计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

28、通过本申请实施例提供的技术方案，针对具有多种形态的多个待推荐内容，电子设备可以生成这些待推荐内容格式相同的输入信息，以便可以将这些输入信息输入排序模型中，得到n个待推荐内容的排序结果。从而可以适应于待推荐内容具有形态多样特性的推荐场景。

技术特征：

1.一种内容排序方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述目标对象的特征信息和所述n个待推荐内容各自的特征信息，生成格式相同的n个输入信息之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述目标对象的特征信息、所述n个待推荐内容各自的特征信息和所述n个待推荐内容各自的内容来源标识，生成格式相同的n个输入信息，包括：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述排序模型从下至上依次包括：

5.根据权利要求4所述的方法，其特征在于，所述门控网络包括：

6.根据权利要求5所述的方法，其特征在于，所述处理子网络具体用于：

7.根据权利要求5所述的方法，其特征在于，所述处理子网络具体用于：

8.根据权利要求5所述的方法，其特征在于，还包括：

9.根据权利要求8所述的方法，其特征在于，所述处理子网络具体用于：

10.根据权利要求4所述的方法，其特征在于，还包括：

11.根据权利要求10所述的方法，其特征在于，所述基于所述n个待推荐内容的内容来源数量和所述排序模型的任务数量确定所述排序模型中每个专家网络选择层中的专家网络数量，包括：

12.一种内容排序装置，其特征在于，包括：

13.一种电子设备，其特征在于，包括：

14.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至11中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至11中任一项所述的方法。

技术总结本申请提供了一种内容排序方法、装置、设备、介质及程序产品，该方法包括：获取目标对象的特征信息和目标对象对应的N个待推荐内容各自的特征信息；其中，N个待推荐内容具有M种形态，N和M均为大于1的整数；基于目标对象的特征信息和N个待推荐内容各自的特征信息，生成格式相同的N个输入信息；将N个输入信息输入排序模型中，得到N个待推荐内容的排序结果。从而可以适应于待推荐内容具有形态多样特性的推荐场景。技术研发人员：陈煜钊受保护的技术使用者：腾讯科技（深圳）有限公司技术研发日：技术公布日：2024/9/12