-
公开(公告)号：CN118786425A
公开(公告)日：2024-10-15
申请号：CN202280089427.6
申请日：2022-01-29
IPC: G06F16/9538
Abstract: 本申请涉及一种排序模型训练方法、装置及存储介质，所述方法包括：根据日志数据，确定第一训练集；根据所述第一训练集中各个第一样本的位置信息，确定所述各个第一样本的逆倾向性得分；根据与所述各个参考查询词对应的未被用户观测的查询结果，确定第二训练集；根据所述第一训练集、所述逆倾向性得分及所述第二训练集，训练排序模型，所述排序模型用于预测查询词与查询结果之间的相关性。本申请的实施例能够同时消除选择偏置及位置偏置对排序模型的影响，从而得到无偏的排序模型。
-
公开(公告)号：CN113536097B
公开(公告)日：2024-03-29
申请号：CN202010294506.3
申请日：2020-04-14
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06Q30/0251
Abstract: 本申请公开了人工智能领域的一种基于自动特征分组的推荐方法，包括：获取多个候选推荐对象及其中每个候选推荐对象的多个关联特征；对每个候选推荐对象的多个关联特征进行多阶自动特征分组，得到每个候选推荐对象的多阶特征交互集合；根据每个候选推荐对象的多阶特征交互集合中的多个关联特征计算得到每个候选推荐对象的交互特性贡献值；根据每个候选推荐对象的交互特征贡献值计算得到每个候选推荐对象的预测分数；将预测分数较高的一个或多个对应的候选推荐对象确定为目标推荐对象。本申请的推荐方法适用于各种推荐相关的应用场景。采用本申请实施例有利于提高推荐效率和准确率。
-
公开(公告)号：CN115545738A
公开(公告)日：2022-12-30
申请号：CN202110742728.1
申请日：2021-06-30
IPC: G06Q30/02 , G06Q30/06 , G06F16/2458 , G06N3/04
Abstract: 本申请公开了一种信息推荐方法，可以应用于人工智能领域，本申请基于存在关联关系的物品和操作类型来生成表征目标用户喜好的目标用户特征向量，以及基于存在关联关系的用户和操作类型来生成表征目标物品对用户的吸引力特征的目标物品特征向量，来预测目标用户对目标物品的进行多个操作类型的操作的概率，其中，操作类型的概率可以更准确的刻画出用户针对于物品的操作行为，且基于多个操作类型的操作的概率进行的信息推荐结果可以更加准确。
-
公开(公告)号：CN108345419B
公开(公告)日：2021-06-08
申请号：CN201710056067.0
申请日：2017-01-25
Applicant: 华为技术有限公司
IPC: G06F3/0481 , G06F16/9535
Abstract: 本申请的实施例公开了一种信息推荐列表的生成方法及装置，所述方法包括：终端获取待推荐对象集合中各个待推荐对象的特征数据，所述待推荐对象集合中包括S1个待推荐对象；终端获取预设特征数据集合，所述预设特征数据集合中包括S2个推荐对象的特征数据，S2个推荐对象的特征数据中包括指定推荐对象的特征数据，S2小于或者等于S1；终端根据所述预设特征数据集合和S1个待推荐对象的特征数据，计算各个所述待推荐对象的推荐值；终端根据S1个待推荐对象中各个待推荐对象的推荐值选取目标推荐对象，并将目标推荐对象添加至推荐列表中的指定展示位。采用本申请的实施例，具有可提高推荐对象的选择准确性，提高推荐列表的资源利用率的优点。
-
公开(公告)号：CN112487278A
公开(公告)日：2021-03-12
申请号：CN201910861011.1
申请日：2019-09-11
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06F16/9538 , G06Q30/02
Abstract: 本申请公开了人工智能领域中的一种推荐模型的训练方法、预测选择概率的方法及装置，该训练方法包括：获取训练样本，该训练样本包括样本用户行为日志，样本推荐对象的位置信息以及样本标签；通过以该样本用户行为日志与该样本推荐对象的位置信息为输入数据，以该样本标签为目标输出值对位置偏置模型和推荐模型进行联合训练，以得到训练后的推荐模型，其中，该位置偏置模型用于预测目标推荐对象在不同位置时，用户关注到该目标推荐对象的概率，该推荐模型用于在该用户关注到该目标推荐对象的情况下，预测该用户选择该目标推荐对象的概率。本申请的技术方案能够消除位置信息对推荐模型引入的误差，提高推荐模型的准确性。
-
Patent Agency Ranking
公开(公告)号：CN108090093B
公开(公告)日：2021-02-09
申请号：CN201611043770.X
申请日：2016-11-22
Applicant: 华为技术有限公司
IPC: G06F16/9536 , G06F16/958 , G06Q30/02
Abstract: 本发明实施例提供了一种生成推荐结果的方法和装置。该方法包括：获取至少一个物品的物品内容信息以及至少一个用户的用户打分信息，所述至少一个用户中第一用户的用户打分信息包括所述第一用户对所述至少一个物品的历史打分；采用物品神经网络和用户神经网络分别对所述物品内容信息和所述用户打分信息进行编码，获得所述至少一个物品中每个物品的物品隐向量和所述至少一个用户中每个用户的用户隐向量；根据所述物品隐向量和所述用户隐向量，确定对所述每个用户的推荐结果。本发明实施例的生成推荐结果的方法和装置，能够提高推荐结果的准确性，从而提高用户体验。
-
公开(公告)号：CN112182362A
公开(公告)日：2021-01-05
申请号：CN202010901702.2
申请日：2020-08-31
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06K9/62 , G06Q10/04
Abstract: 本申请实施例公开了人工智能技术领域中的一种训练用于在线预测点击率的模型的方法、设备及推荐系统，用于降低在线预测的延迟。本申请实施例方法包括：获取多个教师模型中每个教师模型对样本集中每条样本的点击率的预测值，并将多个教师模型对同一样本的点击率的预测值融合为融合预测值，然后基于样本集中每条样本对应的点击率的融合预测值确定损失函数，最后基于损失函数和样本集合对学生模型进行训练，直到学生模型满足第一收敛条件，该学生模型可以用于在线预测点击率。
-
公开(公告)号：CN111226238A
公开(公告)日：2020-06-02
申请号：CN201780095993.7
申请日：2017-12-29
Applicant: 华为技术有限公司
Abstract: 本发明实施例公开了一种预测方法及终端、服务器。其方法包括服务器向多个终端发送第一模型参数和第二模型参数，第一模型参数和第二模型参数适配于终端的预测模型；服务器接收多个终端中至少一个终端发送的第一预测损失，至少一个终端中每个终端发送的第一预测损失为每个终端根据采用第一模型参数和第二模型参数的预测模型计算的；服务器根据至少一个终端发送的第一预测损失对第一模型参数进行更新，以获得更新后的第一模型参数，以及根据至少一个终端发送的第一预测损失对第二模型参数进行更新，以获得更新后的第二模型参数。采用本发明实施例，可以实现通过利用大量用户数据进行训练而得到体现用户差异性的预测模型。
-
公开(公告)号：CN109903103A
公开(公告)日：2019-06-18
申请号：CN201711283557.0
申请日：2017-12-07
Applicant: 华为技术有限公司
IPC: G06Q30/06
Abstract: 本发明实施例公开了一种推荐物品的方法和装置，属于计算机技术领域。所述方法包括：获取目标用户的属性数据和多个候选物品的属性数据；将目标用户的属性数据和多个候选物品的属性数据进行处理，生成目标数据集，目标数据集包括目标用户的标识及对应的目标第一交互节点列表、多个候选物品中每一候选物品的标识及对应的目标第二交互节点列表；将目标数据集输入打分模型，得到目标用户对述多个候选物品的打分，其中，打分模型根据多个用户的属性数据、多个物品的属性数据以及打分数据训练得到的；根据目标用户对多个候选物品的打分，确定目标推荐物品。采用本发明，可以提高用户选择物品的效率。
-
公开(公告)号：CN109754105A
公开(公告)日：2019-05-14
申请号：CN201711084325.2
申请日：2017-11-07
Applicant: 华为技术有限公司
Abstract: 本发明实施例公开了一种预测方法及终端、服务器。其方法包括服务器向多个终端发送第一模型参数和第二模型参数，第一模型参数和第二模型参数适配于终端的预测模型；服务器接收多个终端中至少一个终端发送的第一预测损失，至少一个终端中每个终端发送的第一预测损失为每个终端根据采用第一模型参数和第二模型参数的预测模型计算的；服务器根据至少一个终端发送的第一预测损失对第一模型参数进行更新，以获得更新后的第一模型参数，以及根据至少一个终端发送的第一预测损失对第二模型参数进行更新，以获得更新后的第二模型参数。采用本发明实施例，可以实现通过利用大量用户数据进行训练而得到体现用户差异性的预测模型。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.043 seconds)
