(19)中华 人民共和国 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 202111556222.8 (22)申请日 2021.12.17 (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 张明渝　 (74)专利代理 机构 北京中博世 达专利商标代理 有限公司 1 1274 代理人 申健 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/74(2022.01) G06N 20/00(2019.01) (54)发明名称 资源召回方法、 装置、 设备及存 储介质 (57)摘要 本公开关于一种资源召回方法、 装置、 设备 及存储介质， 涉及人工智 能技术领域。 该方法包 括： 基于预训练的特征提取模型的第一子模型， 获取目标资源的目标特征向量； 其中， 目标特征 向量用于指示目标资源的第一含义和第二含义， 第一含义不同于第二含义； 预训练的特征提取模 型使用目标资源的特征向量中与正样本匹配的 特征值进行预训练； 基于预训练的特征提取模型 的第二子模型， 获取候选资源的候选特征向量； 基于目标特征向量与候选特征向量的匹配度， 确 定与目标资源对应的至少两个类别的召回资源； 其中， 一个类别的召回资源与第一含义匹配， 另 一个类别的召回资源与第二含义匹配 。 权利要求书2页 说明书17页 附图8页 CN 114298182 A 2022.04.08 CN 114298182 A 1.一种资源召回方法， 其特 征在于， 包括： 基于预训练的特征提取模型的第 一子模型， 获取目标资源的目标特征向量； 其中， 所述 目标特征向量用于指示所述目标资源的第一含义和 第二含义， 所述第一含义不同于所述第 二含义； 所述预训练的特征提取模型使用所述目标资源的特征向量中与正样本匹配的特征 值进行预训练； 基于所述预训练的特 征提取模型的第二子模型， 获取候选资源的候选特 征向量； 基于所述目标特征向量与 所述候选特征向量的匹配度， 确定与 所述目标资源对应的至 少两个类别的召回资源； 其中， 一个类别的召回资源与所述第一含义匹配， 另一个类别的召 回资源与所述第二含义匹配。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于所述第二子模型， 对所述召回资源的特征向量进行第一预设处理， 得到召回特征 向量； 所述第一预设处理为将特征向量中部 分维度的特征值设置为 1、 其他维度的特征值设 置为0， 所述部分维度的特 征值大于所述 其他维度的特 征值； 基于所述召回特征向量中特征值为1的部分维度， 确定所述召回资源的类别标识， 所述 类别标识用于确定所述召回资源的显示 排序。 3.根据权利要求1所述的方法， 其特 征在于， 所述特 征提取模型的训练过程包括： 获取所述目标资源的训练样本， 所述训练样本包括第一 正样本和负 样本； 基于所述目标资源、 所述第 一正样本和所述负样本对特征提取模型进行第 一训练任务 的训练； 所述第一训练任务用于使得所述目标资源的特征向量中与所述第一正样本的特征 向量匹配的特 征值参与第一训练任务的训练； 基于第一训练任务的第一损失函数， 更新所述特 征提取模型的参数； 迭代执行上述步骤， 在所述第一训练任务的第一损 失函数收敛的情况下， 确定所述特 征提取模型收敛。 4.根据权利要求3所述的方法， 其特征在于， 所述训练样本还包括第二正样本， 所述第 一正样本和所述第二 正样本属于不同的类别； 所述特 征提取模型的训练过程还 包括： 基于所述目标资源、 所述第 一正样本和所述第 二正样本对特征提取模型进行第 二训练 任务的训练； 所述第二训练任务用于使得所述目标资源与不同类别的正样本的匹配度的差 值小于第一预设阈值； 所述基于第一训练任务的第一损失函数， 更新所述特 征提取模型的参数， 包括： 基于第一训练任务的第 一损失函数和所述第 二训练任务的第 二损失函数， 更新所述特 征提取模型的参数； 在所述第一训练任务的第一损 失函数收敛的情况下， 确定所述特征提取模型收敛， 包 括： 在所述第一训练任务的第一损失函数和所述第二训练任务的第二损失函数损失收敛 的情况下， 确定所述特 征提取模型收敛。 5.根据权利要求3或4所述的方法， 其特征在于， 基于所述目标资源、 所述第 一正样本和 所述负样本对特 征提取模型进行第一训练任务的训练， 包括： 基于所述第 一子模型确定所述目标资源的第 一特征向量， 并基于所述第 二子模型确定 所述第一 正样本的第二特 征向量和所述负 样本的第三特 征向量；权　利　要　求　书 1/2 页 2 CN 114298182 A 2分别对第一特征向量、 第二特征向量和第三特征向量进行第二预设处理， 对应得到第 一目标特征向量、 第二 目标特征向量和第三特征向量； 所述第二预设处理为将特征向量中 第一部分维度的特 征值设置为0； 确定所述第 一目标特征向量与所述第 二目标特征向量的第 一相似度向量， 以及所述第 一目标特征向量与所述第三目标 特征向量的第二相似度向量； 分别对所述第 一相似度向量和第 二特性相似度向量进行第 三预设处理， 对应得到第 一 目标相似度向量和 第二目标相似度向量； 所述第三预设处理为将向量中的第二部分维度的 特征值设置为0， 所述第二部分维度的特 征值小于其 他维度的特 征值； 基于所述第 一目标相似度向量和所述第 二目标相似度向量的差值， 确定第 一训练任务 的第一损失函数。 6.根据权利要求5所述的方法， 其特征在于， 基于所述第 一目标相似度向量和所述第 二 目标相似度向量的差值， 确定所述第一损失函数， 包括： 在所述第一目标相似度向量和所述第二目标相似度向量的差值大于第二预设阈值的 情况下， 确定所述差值 为所述第一损失函数； 在所述差值小于或等于所述第二预设阈值的情况 下， 确定所述第一损失函数为0值。 7.一种资源召回装置， 其特 征在于， 包括： 第一特征模块， 被配置为基于预训练的特征提取模型的第一子模型， 获取目标资源的 目标特征向量； 其中， 所述目标特征向量用于指示所述目标资源的第一含义和 第二含义， 所 述第一含义不同于所述第二含义； 所述预训练的特征提取模型使用所述目标资源的特征向 量中与正样本匹配的特 征值进行 预训练； 第二特征模块， 被配置为基于所述预训练的特征提取模型的第二子模型， 获取候选资 源的候选特 征向量； 资源确定模块， 被配置为基于所述目标特征向量与所述候选特征向量的匹配度， 确定 与所述目标资源对应的至少 两个类别的召回资源； 其中， 一个类别的召回资源与所述第一 含义匹配， 另一个 类别的召回资源与所述第二含义匹配。 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6中任一项所述的方 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 6中任一项所述的方法。 10.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机指令， 当所述 计算机指 令在电子设备上运行时， 使得所述电子设备执行如权利要求1至6中任一项 所述的 方法。权　利　要　求　书 2/2 页 3 CN 114298182 A 3