公开(公告)号：CN112529151B

公开(公告)日：2024-10-22

申请号：CN202011391497.6

申请日：2020-12-02

Applicant: 华为技术有限公司

Inventor： 郭慧丰 ,  陈渤 ,  唐睿明 ,  李震国 ,  何秀强

IPC: G06N3/0455 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/08 ,  G06F18/213 ,  G06F18/24

Abstract: 本申请实施例提供了一种数据处理方法以及装置，用于更好地学习连续特征中每个特征值的向量表达值。具体包括：该数据处理装置从样本数据中获取连续特征；然后通过离散化模型对该连续特征进行离散化处理得到该连续特征对应的N个离散化概率值，其中，所述N个离散化概率值对应于预设的N个基向量表达值，该N为大于1的整数；最后，该数据处理装置根据该N个离散化概率值和该N个基向量表达值确定该连续特征的一个向量表达值。

公开(公告)号：CN117859139A

公开(公告)日：2024-04-09

申请号：CN202080105147.0

申请日：2020-07-16

Applicant: 华为技术有限公司

Inventor： 孙嘉宁 ,  张莹雪 ,  郭慧丰 ,  唐睿明 ,  何秀强 ,  张登程 ,  苑晗

IPC: G06N20/00

Abstract: 用于处理包括第一节点类型的多个第一节点和第二类型的多个第二节点的二分图的方法和系统，包括：根据位于目标第一节点的多跳第一节点邻域内的第二节点和第一节点的特征，生成所述目标第一节点的目标第一节点嵌入，所述目标第一节点选自所述第一节点类型的所述多个第一节点；根据位于目标第二节点的多跳第二节点邻域内的第一节点和第二节点的特征，生成所述目标第二节点的目标第二节点嵌入，所述目标第二节点选自所述第二节点类型的所述多个第二节点；以及根据所述目标第一节点嵌入和所述目标第二节点嵌入确定所述目标第一节点和所述目标第二节点之间的关系。

公开(公告)号：CN117436503A

公开(公告)日：2024-01-23

申请号：CN202310802114.7

申请日：2023-06-30

Applicant: 华为技术有限公司

Inventor： 夏伟 ,  王航宇 ,  唐睿明 ,  张伟楠 ,  俞勇

IPC: G06N3/092 ,  G06F16/9535 ,  G06Q50/20 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/084

Abstract: 本申请提供一种在线测试方法以及装置，用于从多个维度进行强化学习，从而从多个维度为用户选择测试题，使测试结果更能反应用户的实际能力。包括：获取测试题库，测试题库中包括采集到的多个测试题；使用测试题库进行强化学习，得到测试模型，该测试模型可以用于在在线测试过程中从测试题库中针对用户选择至少一个测试题，该测试模型具体可以包括状态编码器和推荐器，该状态编码器用于获取输入的测试题之间的差异生成状态编码，该推荐器可以用于根据状态编码输出针对用户选择的测试题；其中，强化学习的奖励包括多个维度的奖励函数，该多个维度的奖励函数用于更新测试模型。

公开(公告)号：CN117112890A

公开(公告)日：2023-11-24

申请号：CN202310915053.5

申请日：2023-07-24

Applicant: 华为技术有限公司

Inventor： 武楚涵 ,  贾庆林 ,  李辰宇 ,  董振华 ,  唐睿明

IPC: G06F16/9535 ,  G06F16/9537 ,  G06Q30/0242 ,  G06Q30/0251 ,  G06N3/045 ,  G06N3/084

Abstract: 本申请实施例公开一种数据处理方法、贡献值的获取方法以及相关设备，将人工智能技术用于对推荐系统中的展示行为进行归因，方法包括：通过第一机器学习模型对训练样本处理得到第一信息，训练样本指示至少一个展示行为，第一信息指示至少一个展示行为被交互的概率；通过第二机器学习模型对训练样本处理得到第二信息，第二信息指示至少一个展示行为的贡献值之和，每个展示行为的贡献值代表每个展示行为对至少一个展示行为被交互做出的贡献；根据损失函数对第二机器学习模型训练，损失函数指示第一信息和第二信息之间的相似度，训练后的第二机器学习模型用于得到每个展示行为的贡献值，降低了“每个展示行为的贡献值”的计算过程所消耗的计算资源。

公开(公告)号：CN117078295A

公开(公告)日：2023-11-17

申请号：CN202310973408.6

申请日：2023-08-02

Applicant: 华为技术有限公司

Inventor： 朱梦辉 ,  陈渤 ,  高璟桐 ,  赵翔宇 ,  郭慧丰 ,  唐睿明

IPC: G06Q30/0202 ,  G06Q30/0251

Abstract: 提供了一种产品的点击率预测方法以及计算设备。该方法包括：获取目标场景的场景特征和非场景特征，非场景特征包括产品的特征；根据所述目标场景的表征对所述目标场景的非场景特征进行调权，得到所述目标场景对应的隐式场景的非场景特征，所述目标场景的表征根据所述场景特征确定；在所述目标场景的表征中融合所述隐式场景的非场景特征的表征，得到所述隐式场景的表征：根据所述隐式场景的表征确定所述产品在所述目标场景的点击率预测值。该方法通过对显式的目标场景进行隐式场景划分，根据隐式场景的表征预测产品在目标场景的点击率，可以解决人为划分场景导致产品在场景的点击率预测不准确的问题。

公开(公告)号：CN116340616A

公开(公告)日：2023-06-27

申请号：CN202310125180.5

申请日：2023-02-10

Applicant: 华为技术有限公司 ,  中国人民大学

Inventor： 戴全宇 ,  张景森 ,  陈旭 ,  董振华 ,  唐睿明

IPC: G06F16/9535 ,  G06F18/25 ,  G06F18/24 ,  G06F18/214 ,  G06Q10/0639 ,  G06F30/20 ,  G06N3/0464 ,  G06N3/084 ,  G06F111/04

Abstract: 一种数据处理方法，可以应用于人工智能领域，包括：获取对应于目标用户的属性信息的第一特征表示、对应于目标物品的属性信息的第二特征表示以及对应于目标用户对目标物品进行评价的一个特征维度的第三特征表示；通过推荐模型，预测目标用户对目标物品在特征维度下的目标评价；根据第一特征表示、第二特征表示以及第三特征表示，获取第一权重，第一权重表示目标用户对目标物品在特征维度下进行评价的可能性；根据目标评价以及第一权重，构建用于更新推荐模型的损失。本申请中，第一权重可以调整用于更新推荐模型的损失中和评价相关的损失项的大小，因此可以得到一个更为准确的无偏的损失，进而基于该损失训练得到的推荐模型的推荐精度会更高。

公开(公告)号：CN113536097A

公开(公告)日：2021-10-22

申请号：CN202010294506.3

申请日：2020-04-14

Applicant: 华为技术有限公司

Inventor： 刘斌 ,  唐睿明 ,  郭慧丰 ,  薛念楠 ,  李桂林 ,  何秀强 ,  李震国

IPC: G06F16/9535 ,  G06Q30/02

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：CN112529151A

公开(公告)日：2021-03-19

申请号：CN202011391497.6

申请日：2020-12-02

Applicant: 华为技术有限公司

Inventor： 郭慧丰 ,  陈渤 ,  唐睿明 ,  李震国 ,  何秀强

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本申请实施例提供了一种数据处理方法以及装置，用于更好地学习连续特征中每个特征值的向量表达值。具体包括：该数据处理装置从样本数据中获取连续特征；然后通过离散化模型对该连续特征进行离散化处理得到该连续特征对应的N个离散化概率值，其中，所述N个离散化概率值对应于预设的N个基向量表达值，该N为大于1的整数；最后，该数据处理装置根据该N个离散化概率值和该N个基向量表达值确定该连续特征的一个向量表达值。

公开(公告)号：CN107423308B

公开(公告)日：2020-07-07

申请号：CN201610351369.6

申请日：2016-05-24

Applicant: 华为技术有限公司

Inventor： 刘志容 ,  唐睿明 ,  董振华 ,  何秀强 ,  曹国祥

IPC: G06F16/953 ,  G06F16/955 ,  G06Q30/06

Abstract: 本发明公开了一种主题推荐方法以及装置。其中，所述方法包括：采集样本用户对M个对象的历史操作行为，并根据样本用户对M个对象中的每个对象的历史操作行为预测目标用户对M个对象中的每个对象的喜好值；采集N个推荐对象的类别区分数据，并根据N个推荐对象的类别区分数据将N个推荐对象进行类别区分得到X个主题，X个主题中的每个主题均包括N个推荐对象中的至少一个推荐对象，N个推荐对象为M个对象中的部分或者全部；根据目标用户对X个主题中的每个主题中包括的推荐对象的喜好值计算得到目标用户对X个主题中的每个主题的喜好值；将目标主题推送给目标用户，目标主题为X个主题中的，目标用户的喜好值大于推荐阈值的主题。

公开(公告)号：CN109993627A

公开(公告)日：2019-07-09

申请号：CN201910152707.7

申请日：2019-02-28

Applicant: 华为技术有限公司

Inventor： 余锦楷 ,  唐睿明 ,  张宇宙 ,  孟亦同

IPC: G06Q30/06

Abstract: 本申请涉及一种推荐方法、推荐模型的训练方法、装置和存储介质，具体包括：当用户对操作对象没有直接操作行为数据时，将用户对操作对象的伪操作行为数据作为训练样本进行推荐模型训练来获取推荐模型，并基于所获取的推荐模型来确定向用户推荐的待推荐对象。本申请可以利用用户社交信息来补充训练样本数据，增加用于训练推荐模型的训练样本数据的数据量，从而有效提高了据此训练得到的对象推荐模型的预测准确率，进而提高了在使用该对象推荐模型进行对象推荐时的准确度。本申请可应用于人工智能(AI)中的智能推荐领域，通过优化对象推荐模型的预测准确率来实现更贴近用户需求的对象推荐，可以有效提高对象推荐的准确度。