-
公开(公告)号:CN116450921A
公开(公告)日:2023-07-18
申请号:CN202210001415.5
申请日:2022-01-04
申请人: 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
IPC分类号: G06F16/9535 , G06N3/04 , G06N3/096
摘要: 本发明提供一种兴趣信息的推荐方法、装置及设备。兴趣信息的推荐方法,包括:获取用户的当前操作数据的上下文信息;将所述上下文信息输入预设兴趣推荐模型进行处理,得到目标兴趣分布;根据所述目标兴趣分布,产生推荐的兴趣信息。本发明的方案根据预设兴趣推荐模型推断用户当前的兴趣分布,进而决定推荐符合用户兴趣的产品,可以平衡不同种类用户的需求。
-
公开(公告)号:CN111400548B
公开(公告)日:2023-09-22
申请号:CN201910000979.5
申请日:2019-01-02
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/735 , G06F16/9535 , G06F18/20 , G06N3/0464 , G06N3/08
摘要: 本发明提供一种基于深度学习与马尔科夫链的推荐方法及设备,涉及机器学习技术领域。该方法包括:根据目标用户观看视频的历史行为信息,确定所述目标用户对应马尔科夫链的转移概率;根据所述转移概率,计算目标嵌入向量;根据所述目标嵌入向量和所述目标用户的属性信息,得到推荐的目标视频。本发明的方案,提升了针对用户推荐的准确性和训练时的收敛速度。
-
公开(公告)号:CN112307310A
公开(公告)日:2021-02-02
申请号:CN201910690967.X
申请日:2019-07-29
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/9535 , G06K9/62 , G06K9/66 , G06N3/04 , G06N3/08
摘要: 本申请实施例公开了一种推荐方法及装置、设备、存储介质,其中,该方法包括:将待推荐用户的历史行为视为马尔科夫链,利用马尔科夫链确定第一特征向量;将所述第一特征向量输入至预先形成的推荐模型中,得到推荐结果;为所述待推荐用户推送所述推荐结果。
-
公开(公告)号:CN116561405A
公开(公告)日:2023-08-08
申请号:CN202210100108.2
申请日:2022-01-27
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/9535 , G06F18/25 , G06N3/084
摘要: 本发明提供一种推荐兴趣列表的生成方法、装置及设备。本发明的方案通过获取目标用户的历史行为数据;将所述用户的历史行为数据输入多目标融合模型,得到用户对不同目标兴趣的贡献度值;所述多目标融合模型用于对用户的历史行为数据进行多兴趣表征处理,结合门控网络,得到用户对不同目标兴趣的贡献度值;根据所述贡献度值,生成用户的推荐兴趣列表;解决了不能将用户的不同兴趣点转化为适合目标的问题,更有针对性地解决多目标优化的问题,可平衡不同种类的家庭推荐需求。
-
公开(公告)号:CN116521935A
公开(公告)日:2023-08-01
申请号:CN202210066241.0
申请日:2022-01-20
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/735 , G06F16/78
摘要: 本申请公开了一种信息推荐方法、装置及电子设备,涉及互联网信息技术领域,以解决现有专题内容编排推荐方案存在工作量大、及时性差的问题。该方法包括:获取热点信息,并确定所述热点信息中的第一关键词组;从预先获取的视频关键词集中确定分别与所述第一关键词组中的关键词相似的视频关键词,得到目标视频关键词组;根据预先建立的视频关键词与视频的对应关系,确定所述目标视频关键词组中的各视频关键词分别对应的目标视频,得到所述热点信息的召回视频集;推荐所述召回视频集。本申请实施例可通过自动化方式实现对热点专题内容的编排推荐,从而能够节约大量的人工成本,并能保证推荐内容紧跟热点信息,响应速度快。
-
公开(公告)号:CN111400548A
公开(公告)日:2020-07-10
申请号:CN201910000979.5
申请日:2019-01-02
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/735 , G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
摘要: 本发明提供一种基于深度学习与马尔科夫链的推荐方法及设备,涉及机器学习技术领域。该方法包括:根据目标用户观看视频的历史行为信息,确定所述目标用户对应马尔科夫链的转移概率;根据所述转移概率,计算目标嵌入向量;根据所述目标嵌入向量和所述目标用户的属性信息,得到推荐的目标视频。本发明的方案,提升了针对用户推荐的准确性和训练时的收敛速度。
-
-
-
-
-