(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 202111652838.5 (22)申请日 2021.12.3 0 (71)申请人 北京达佳互联信息技 术有限公司 地址 100085 北京市海淀区上地西路6号1 幢1层101D1-7 (72)发明人 左俊杰　杨乃君　白彦冰　宋洋　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 贾允 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 资源操作数据预测方法、 预测模型训练方法 及装置 (57)摘要 本公开关于一种资源操作数据预测方法、 预 测模型训练方法及装置， 所述资源操作数据预测 方法包括： 获取目标对象 的对象特征信息和目标 多媒体资源的资源特征信息； 基于资源操作预测 模型的隐藏层对所述对象特征信息以及所述资 源特征信息进行信息提取， 得到第一特征信息； 基于所述资源操作预测模型的第一多尺度信息 提取模块对第一输入特征信息进行多尺度信息 提取， 得到第一多尺度特征信息； 所述第一输入 特征信息通过对所述第一特征信息进行特征维 度转换得到； 基于所述第一多尺度特征信息和所 述第一特征信息， 确定所述目标对象对所述目标 多媒体资源的资源操作数据。 本公开能够提高资 源操作预测结果的准确性。 权利要求书2页 说明书21页 附图15页 CN 114529007 A 2022.05.24 CN 114529007 A 1.一种资源操作数据预测方法， 其特 征在于， 包括： 获取目标对象的对象特 征信息和目标多媒体资源的资源特 征信息； 基于资源操作预测模型的隐藏层对所述对象特征信息以及所述资源特征信息进行信 息提取， 得到第一特 征信息； 基于所述资源操作预测模型的第一多尺度信息提取模块对第一输入特征信息进行多 尺度信息提取， 得到第一多尺度特征信息； 所述第一输入特征信息通过对所述第一特征信 息进行特征维度转换 得到； 基于所述第 一多尺度 特征信息和所述第 一特征信 息， 确定所述目标对象对所述目标多 媒体资源的资源操作数据。 2.根据权利要求1所述的方法， 其特征在于， 所述资源操作预测模型还包括多尺度门控 权重预测模块； 所述方法还 包括： 基于所述多尺度门控权重预测模块对所述第一多尺度特征信息中各个尺度的特征信 息进行权 重预测， 得到与所述各个尺度的特 征信息对应的尺度门控权 重； 所述基于所述第一多尺度特征信息， 以及所述第一特征信息， 确定所述目标对象对所 述目标多媒体资源的资源操作数据， 包括： 基于所述各个尺度的特征信息， 以及各个尺度的特征信息各自对应的尺度门控权重， 得到多尺度加权信息； 基于所述多尺度加权信息以及所述第一特 征信息， 确定所述资源操作数据。 3.根据权利要求1所述的方法， 其特征在于， 所述资源操作预测模型还包括第 二多尺度 信息提取模块； 所述方法还 包括： 基于所述第 二多尺度信 息提取模块对所述第 一特征信 息进行多尺度信 息提取， 得到第 二多尺度特 征信息； 基于所述第一特 征信息和所述第二多尺度特 征信息， 确定所述第一输入特 征信息。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述第一多尺度特征信息， 以及 所述第一特 征信息， 确定所述目标对象对所述目标多媒体资源的资源操作数据， 包括： 计算所述第一多尺度特 征信息中各个尺度的特 征信息的平均尺度特 征信息； 对所述平均尺度 特征信息以及所述第 一特征信 息进行信 息融合， 得到目标融合特征信 息； 基于所述目标融合特 征信息确定所述资源操作数据。 5.一种资源操作预测模型训练方法， 其特 征在于， 包括： 获取样本数据； 所述样本数据包括样本对象的样本对象特征信息、 样本多媒体资源的 样本资源特 征信息， 以及样本资源操作标签； 基于待训练资源操作预测模型的隐藏层对所述样本对象特征信息以及所述样本资源 特征信息进行信息提取， 得到第一训练特 征信息； 基于所述待训练资源操作预测模型的第一多尺度信息提取模块对第一输入训练特征 信息进行多尺度信息提取， 得到第一多尺度训练特征信息； 所述第一输入训练特征信息通 过对所述第一训练特 征信息进行 特征维度转换 得到；权　利　要　求　书 1/2 页 2 CN 114529007 A 2基于所述第一多尺度训练特征信息、 所述第一训练特征信息， 以及所述样本资源操作 标签， 对所述待训练资源操作预测模型进行训练， 得到资源操作预测模型。 6.一种资源操作数据预测装置， 其特 征在于， 包括： 特征信息获取单元， 被配置为执行获取目标对象的对象特征信 息和目标多媒体资源的 资源特征信息； 第一特征信 息提取单元， 被配置为执行基于资源操作 预测模型的隐藏层对所述对象特 征信息以及所述资源特 征信息进行信息提取， 得到第一特 征信息； 第一多尺度特征信 息提取单元， 被配置为执行基于所述资源操作预测模型的第 一多尺 度信息提取模块对第一输入特征信息进行多尺度信息提取， 得到第一多尺度特征信息； 所 述第一输入特 征信息通过对所述第一特 征信息进行 特征维度转换 得到； 资源操作数据确定单元， 被配置为执行基于所述第 一多尺度特征信 息和所述第 一特征 信息， 确定所述目标对象对所述目标多媒体资源的资源操作数据。 7.一种资源操作预测模型训练装置， 其特 征在于， 包括： 样本数据获取单元， 被配置为执行获取样本数据； 所述样本数据包括样本对象的样本 对象特征信息、 样本多媒体资源的样本资源特 征信息， 以及样本资源操作标签； 第一训练特征信 息确定单元， 被配置为执行基于待训练资源操作预测模型的隐藏层对 所述样本对象特征信息 以及所述样本资源特征信息进行信息提取， 得到第一训练特征信 息； 第一多尺度训练特征信 息提取单元， 被配置为执行基于基于所述待训练资源操作 预测 模型的第一多尺度信息提取模块对第一输入训练特征信息进 行多尺度信息提取， 得到第一 多尺度训练特征信息； 所述第一输入训练特征信息通过对所述第一训练特征信息进行特征 维度转换 得到； 资源操作预测模型确定单元， 被配置为执行基于所述第一多尺度训练特征信息、 所述 第一训练特征信息， 以及所述样本资源操作标签， 对所述待训练资源操作预测模型进行训 练， 得到资源操作预测模型。 8.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1至4中任一项所述的资 源操作数据预测方法， 或如权利要求5所述的资源操作预测模型训练方法。 9.一种计算机可读存储介质， 其特征在于， 当所述计算机可读存储介质中的指令由电 子设备的处理器执行时， 使得电子 设备能够执行如权利要求 1至4中任一项所述的资源操作 数据预测方法， 或如权利要求5所述的资源操作预测模型训练方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现权利要求1至4中任一项所述的资源操作数据预测方法， 或如权利要求5所述的资 源操作预测模型训练方法。权　利　要　求　书 2/2 页 3 CN 114529007 A 3