训练排序模型和排序的方法和装置

    公开(公告)号:CN118864041A

    公开(公告)日:2024-10-29

    申请号:CN202410807085.8

    申请日:2024-06-21

    摘要: 本公开的实施例公开了训练排序模型和排序的方法和装置。该方法的具体实施方式包括:获取样本的特征和排序模型,其中,排序模型包括特征嵌入层、向量融合层、多层感知机、2个穿针引线网络、深度交叉网络、深度神经网络层、输出层;将样本的特征经过特征嵌入层和向量融合层处理后,得到融合特征;将融合特征分别输入第一穿针引线网络和深度交叉网络,所得的结果一起输入多层感知机,得到感知结果;将感知结果通过第二穿针引线网络处理后再输入深度神经网络层,得到输出结果;将输出结果输入输出层得到预测结果,并基于预测结果计算损失值;根据损失值调整排序模型的网络参数。该实施方式生成的排序模型提高了推荐结果的准确性和用户满意度。

    信息流推荐模型的生成方法及装置

    公开(公告)号:CN118445480A

    公开(公告)日:2024-08-06

    申请号:CN202410571461.8

    申请日:2024-05-09

    摘要: 本申请公开了一种信息流推荐模型的生成方法及装置。方法的一具体实施方式包括:获取第一训练样本集和第二训练样本集,其中,第一训练样本集中的训练样本包括聚类物品集训练数据和第一排序标签,第二训练样本集中的训练样本包括物品训练数据和第二排序标签;通过第一训练样本集训练得到用于对聚类物品集进行排序的聚类物品集优选子模型;通过第二训练样本集训练得到用于对物品进行排序的物品优选子模型;结合聚类物品集优选子模型、物品优选子模型和用于对组合对进行排序的组合对精排子模型,生成信息流推荐模型,其中,组合对表征配对的聚类物品集和物品。本申请提高了信息流推荐模型在信息流推荐过程中的准确度。

    一种确定推送信息的方法和装置
    6.
    发明公开

    公开(公告)号:CN113821715A

    公开(公告)日:2021-12-21

    申请号:CN202011287791.2

    申请日:2020-11-17

    摘要: 本发明公开了一种确定推送信息的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:在检测到用户进行登录的情况下,根据登录信息确定所述用户的目标粒度属性;其中,所述登录信息中包括所述目标粒度属性的标识信息;根据所述目标粒度属性,确定所述用户的目标推送数据表,以将所述目标推送数据表中的信息推送给所述用户。该方法能够根据登录信息中的标识信息,确定出用户的粒度属性,进而可实现多种粒度需求的信息推送。