(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 202210893164.6 (22)申请日 2022.07.27 (71)申请人 北京有竹居网络技 术有限公司 地址 101299 北京市平谷区林荫北街13号 信息大厦802室 (72)发明人 成逸吉　梁栋　王睿　 (74)专利代理 机构 北京信远 达知识产权代理有 限公司 1 1304 专利代理师 储倩 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9536(2019.01) G06Q 50/00(2012.01) (54)发明名称 一种识别多媒体内容发布者的类型的方法 及装置 (57)摘要 本申请公开了一种识别多媒体内容发布者 的类型的方法， 包括： 获取待识别多媒体内容发 布者的信息， 基于待识别多媒体内容发布者的信 息和预先确定的目标关联关系， 确定待识别多媒 体内容发布者的类型； 其中， 目标关联关系用于 指示多种类型的对象之间的关联关系， 多种类型 的对象包括： 多媒体内容发布 者和与多媒体内容 发布者关联的目标对象。 本方案在确定待识别多 媒体内容发布 者的类型时， 除了考虑待识别多媒 体内容发布 者自身的信息 之外， 还考虑了多种类 型的对象之间的关联关系， 例如， 考虑了多媒体 内容发布 者之间的关联关系、 多媒体内容发布者 与多媒体内容发布者关联的目标对象之间的关 联关系。 因此， 能够准确的确定待识别多媒体内 容发布者的类型。 权利要求书3页 说明书17页 附图4页 CN 115168730 A 2022.10.11 CN 115168730 A 1.一种识别多媒体内容发布者的类型的方法， 其特 征在于， 所述方法包括： 获取待识别多媒体内容发布者的信息； 基于所述待识别多媒体 内容发布者的信 息和预先确定的目标关联关系， 确定所述待识 别多媒体内容 发布者的类型； 其中， 所述目标关联关系， 用于指示多种类型的对象之 间的关 联关系， 所述多种类型的对象， 包括： 多媒体内容发布者和与所述多媒体内容 发布者关联的 目标对象。 2.根据权利要求1所述的方法， 其特 征在于， 所述目标对象， 包括： 多媒体内容， 和/或， 交 互对象。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述待识别多媒体 内容发布者的 信息和预 先确定的目标关联关系， 确定所述待识别多媒体内容发布者的类型， 包括： 将所述待识别多媒体 内容发布者的信 息输入多媒体处理模型， 得到所述待识别多媒体 内容发布者的类型， 所述多媒体处理模型， 用于基于所述待识别多媒体内容发布者的信息 和预先确定的目标关联关系， 确定所述待识别多媒体内容发布者的类型。 4.根据权利要求3所述的方法， 其特征在于， 所述多媒体处理模型包括第 一关联关系处 理模块， 所述第一关联关系处 理模块， 用于： 基于所述待识别多媒体 内容发布者的信 息和预先确定的目标关联关系， 得到所述待识 别多媒体内容发布者的特 征； 基于所述待识别多媒体内容发布者的特征， 得到所述待识别多媒体内容发布者的类 型。 5.根据权利要求4所述的方法， 其特征在于， 所述第一关联关系处理模块， 通过如下方 式训练得到： 获取所述多种类型的训练对象和训练多媒体 内容发布者对应的标签， 所述训练多媒体 内容发布者对应的标签， 用于指示所述训练多媒体内容发布者对应的类型， 所述多种类型 的训练对象， 包括所述训练多媒体内容发布者； 基于所述多种类型的训练对象， 构建所述多种类型的训练对象之间的关联关系； 基于所述多种类型的训练对象之间的关联关系， 得到所述训练多媒体 内容发布者的融 合特征， 并基于所述训练多媒体内容发布者的融合特征， 得到所述训练多媒内容的预测类 型； 基于所述预测类型和所述训练多媒体 内容发布者对应的标签， 更新所述第 一关联关系 处理模块的参数。 6.根据权利要求5所述的方法， 其特征在于， 所述基于所述多种类型的训练对象之间的 关联关系， 得到所述训练多媒体内容发布者的融合特 征， 包括： 基于所述训练多媒体内容的初始特征和与所述训练多媒体内容具备关联关系的其它 训练对象的初始特 征， 得到所述训练多媒体内容发布者的融合特 征。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述训练多媒体 内容的初始特征 和与所述训练多媒体内容具备关联关系的其它训练对象的初始特征， 得到所述训练多媒体 内容发布者的融合特 征， 包括： 基于所述训练多媒体 内容的初始特征、 与 所述训练多媒体 内容具备关联关系的其它训 练对象的初始特征、 以及所述其它训练对 象的初始特征中各个初始特征 的注意力系 数， 得权　利　要　求　书 1/3 页 2 CN 115168730 A 2到所述训练多媒体内容发布者的融合特征， 所述其它训练对 象包括第一对 象， 所述第一对 象的初始特征 的注意力系 数， 基于所述第一对 象的初始特征、 以及所述训练多媒体内容的 初始特征以及所述训练多媒体内容和所述第一对象之间的关联关系类型确定 。 8.根据权利要求5所述的方法， 其特征在于， 所述多种类型的训练对象之间的关联关 系， 包括： 训练多媒体内容之间的关联关系， 所述训练多媒体内容之间的关联关系， 包括初始关 联关系和 第二关联关系处理模块基于训练多媒体内容的特征所得到的附加关联关系， 所述 初始关联关系基于所述训练多媒体内容确定 。 9.根据权利要求8所述的方法， 其特征在于， 所述第 二关联关系处理模块的训练过程包 括N轮迭代， 第i轮迭代的方式如下： 获取多个训练多媒体内容的中间关联关系， 所述中间关联关系， 包括所述初始关联关 系和前(i ‑1)轮迭代所确定的附加关联关系； 基于所述中间关联关系， 得到所述多个训练多媒体内容的特 征； 基于所述多个训练多媒体内容的特 征， 得到所述多个训练多媒体内容的预测结果； 基于所述多个训练多媒体内容的预测结果和所述多个训练多媒体 内容的标签， 更新所 述第二关联关系处 理模块的参数。 10.根据权利要求9所述的方法， 其特征在于， 所述基于所述多个训练多媒体内容的预 测结果和所述多个训练多媒体内容的标签， 更新所述第二关联关系处 理模块的参数， 包括： 基于所述多个训练多媒体内容的预测结果、 所述多个训练多媒体内容的标签、 以及所 述中间关联关系的正则项， 更新所述第二关联关系处 理模块的参数。 11.根据权利要求5所述的方法， 其特 征在于， 所述获取 所述多种类型的训练对象包括： 按照所述多种类型的排列顺序， 按序获取所述多种类型中每个类型分别对应的多个训 练对象。 12.根据权利要求8所述的方法， 其特 征在于， 所述方法还 包括： 获取所述待识别多媒体内容发布者所发布的多媒体内容； 所述将所述待识别多媒体内容发布者的信 息输入多媒体处理模型， 得到所述待识别多 媒体内容发布者的类型， 包括： 将所述待识别多媒体内容发布者的信息和所述待识别多媒体内容发布者所发布的多 媒体内容输入所述多媒体处 理模型， 得到所述待识别多媒体内容发布者的类型。 13.根据权利要求12所述的方法， 其特 征在于， 所述多媒体处 理模型还 包括 所述第二关联关系处 理模块； 所述第二关联关系处理模块， 用于基于所述待识别多媒体 内容发布者所发布的多媒体 内容和所述训练多媒体内容之 间的关联关系， 得到所述待识别多媒体内容发布者所发布的 多媒体内容的目标 特征； 所述第一关联关系处 理模块， 用于： 基于所述待识别多媒体内容发布者的信息、 所述目标特征和预先确定的目标关联关 系， 得到所述待识别多媒体内容发布者的特 征； 基于所述待识别多媒体 内容发布者的信 息的特征， 得到所述待识别多媒体内容发布者 的类型。权　利　要　求　书 2/3 页 3 CN 115168730 A 3