用于分类和意图确定的多模型结构

    公开(公告)号:CN113692595B

    公开(公告)日:2024-11-08

    申请号:CN202080028839.X

    申请日:2020-03-20

    IPC分类号: G06F40/40 G06N20/20 G06F3/16

    摘要: 基于一个或多个多模型结构的意图确定可以包括响应于接收到的输入从多个领域特定模型中的每一个生成输出。领域特定模型可以包括使用针对每个领域特定模型的相应局部损失度量和针对所述多个领域特定模型的全局损失度量而训练的经同时训练的机器学习模型。可以通过对每个领域特定模型的输出进行分类来确定与一个或多个领域特定模型相对应的意图的存在与否。

    用于深度记忆网络的系统和方法

    公开(公告)号:CN112368718A

    公开(公告)日:2021-02-12

    申请号:CN201980044458.8

    申请日:2019-08-09

    IPC分类号: G06N3/063 G06N20/00

    摘要: 包括深度记忆模型的电子设备包括至少一个存储器和耦合到至少一个存储器的至少一个处理器。至少一个处理器被配置为接收对深度记忆模型的输入数据。至少一个处理器还被配置为基于输入数据提取耦合到深度记忆模型的外部存储器的历史状态。至少一个处理器还被配置为基于输入数据更新外部存储器的历史状态。此外,至少一个处理器被配置为基于所提取的外部存储器的历史状态输出预测。

    用于主动机器学习的系统和方法
    5.
    发明公开

    公开(公告)号:CN111868759A

    公开(公告)日:2020-10-30

    申请号:CN201980019165.4

    申请日:2019-04-11

    IPC分类号: G06N20/00

    摘要: 一种用于主动学习的电子设备包括至少一个存储器和耦合到至少一个存储器的至少一个处理器。该至少一个处理器被配置为:基于一个或多个条目和标记的数据之间的相似性,从包括未标记的数据的数据集中选择一个或多个条目。该至少一个处理器还被配置为使得一个或多个条目被标记。

    用于生成用户偏好内容的对抗式方法和系统

    公开(公告)号:CN110832533A

    公开(公告)日:2020-02-21

    申请号:CN201880045026.4

    申请日:2018-07-23

    IPC分类号: G06Q50/10 G06N3/04 G06N3/08

    摘要: 一种推荐方法,包括:检索包括已消费内容和未消费内容的内容消费数据。基于内容消费数据,识别未消费的第一段内容。确定与第一段内容的负消费相关的第一段内容的第一特征。使用第一系统将第一特征修改为第二特征。将包括第二特征的第二段内容提供给电子设备。第二段内容是第一段内容的修改实例。

    用于分类和意图确定的多模型结构

    公开(公告)号:CN113692595A

    公开(公告)日:2021-11-23

    申请号:CN202080028839.X

    申请日:2020-03-20

    IPC分类号: G06N20/20 G06F40/40 G06F3/16

    摘要: 基于一个或多个多模型结构的意图确定可以包括响应于接收到的输入从多个领域特定模型中的每一个生成输出。领域特定模型可以包括使用针对每个领域特定模型的相应局部损失度量和针对所述多个领域特定模型的全局损失度量而训练的经同时训练的机器学习模型。可以通过对每个领域特定模型的输出进行分类来确定与一个或多个领域特定模型相对应的意图的存在与否。

    用于深度记忆网络的系统和方法

    公开(公告)号:CN112368718B

    公开(公告)日:2024-05-14

    申请号:CN201980044458.8

    申请日:2019-08-09

    IPC分类号: G06N3/063 G06N20/00

    摘要: 包括深度记忆模型的电子设备包括至少一个存储器和耦合到至少一个存储器的至少一个处理器。至少一个处理器被配置为接收对深度记忆模型的输入数据。至少一个处理器还被配置为基于输入数据提取耦合到深度记忆模型的外部存储器的历史状态。至少一个处理器还被配置为基于输入数据更新外部存储器的历史状态。此外,至少一个处理器被配置为基于所提取的外部存储器的历史状态输出预测。