-
公开(公告)号：CN113326440A
公开(公告)日：2021-08-31
申请号：CN202110884460.5
申请日：2021-08-03
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/9535 , G06N3/08
摘要： 本申请提供了一种基于人工智能的推荐方法、装置、电子设备及计算机可读存储介质；方法包括：通过基准网络对样本对象的关联特征进行特征融合处理，得到融合特征，并对融合特征进行推荐预测处理，得到基准预测结果；通过群体网络对融合特征进行推荐预测处理，得到多个对象群体分别对应的群体预测结果；根据基准预测结果、样本对象属于的样本对象群体对应的群体预测结果、以及样本对象的样本推荐结果确定损失值，并根据损失值对推荐模型进行训练；其中，训练后的推荐模型用于针对属于任意一个对象群体的目标对象进行推荐。通过本申请，能够提升对推荐模型的训练效果，并提升根据训练后的推荐模型对不同对象群体进行推荐的精度。
-
公开(公告)号：CN115114461A
公开(公告)日：2022-09-27
申请号：CN202210422793.0
申请日：2022-04-21
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/435 , G06F16/432 , G06F16/438 , G06F3/0482 , G06N3/04 , G06N3/08
摘要： 本申请实施例公开了一种多媒体数据的推荐方法、设备以及计算机可读存储介质，其中方法包括：获取多媒体数据特征，多媒体数据特征中包括第一多媒体数据特征和第二多媒体数据特征。通过多个第一特征提取网络对第一多媒体数据特征进行特征提取以得到多个推荐特征，并通过多个第一门控网络获得多个加权推荐特征。获取多个加权推荐特征中各加权推荐特征分别和第二多媒体数据特征拼接得到的多个拼接向量，并基于第二特征提取网络获得多个拼接特征。将多个拼接向量和各拼接向量的拼接特征输入用于获得推荐媒体的业务目标预测模型以得到多个目标推荐媒体。采用本申请，可以提高待推荐多媒体数据的选取有效性，增强多媒体数据的个性化推荐体验，适用性高。
-
公开(公告)号：CN113392359A
公开(公告)日：2021-09-14
申请号：CN202110948675.9
申请日：2021-08-18
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/958 , G06N3/04 , G06N3/08 , G06Q10/04
摘要： 本申请实施例公开了一种多目标预测方法、装置、设备及存储介质，涉及人工智能和计算机技术领域。所述方法包括：通过多目标预测模型基于训练样本，得到多个中间特征向量，再基于多个中间特征向量，获取多个业务目标分别对应的预测结果；基于多个业务目标分别对应的预测结果和真值标签，确定第一训练损失；基于多个中间特征向量之间的差异信息，确定第二训练损失；根据第一训练损失和第二训练损失，对多目标预测模型进行训练。本申请通过基于用于衡量多个中间特征向量之间的差异性的第二训练损失，对多目标预测模型进行训练，以提高每个特征提取网络学习不同特征的能力，从而增加模型所学特征的信息量，进而提高模型预测的准确性。
-
公开(公告)号：CN113641916B
公开(公告)日：2022-02-08
申请号：CN202111191793.6
申请日：2021-10-13
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/9535 , G06F16/9537 , G06F16/9538 , G06F16/906
摘要： 本申请涉及计算机技术领域，尤其涉及一种内容推荐方法、装置、电子设备和存储介质，可应用于云技术、人工智能、智慧交通、辅助驾驶等场景，用以提高推荐系统的时效性。方法包括：响应于内容推荐请求，基于候选内容的已存在时长，从候选内容集合中选取待推荐内容；获取目标对象的对象特征，内容推荐请求相关的上下文特征，各待推荐内容的内容特征，内容特征包括：基于内容发布时间与内容相关事件的发生时间中的至少一种确定的，表征内容已存在时长的存在时间特征；基于上述特征，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，确定目标推荐值；基于目标推荐值确定推荐顺序。本申请结合内容已存在时长进行召回和排序，可有效提高时效性。
-
公开(公告)号：CN113626719B
公开(公告)日：2022-02-08
申请号：CN202111184748.8
申请日：2021-10-12
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08
摘要： 本申请提供了一种信息推荐方法、装置、设备、存储介质及程序产品，应用于车联网领域以及人工智能技术领域；方法包括：分别对目标对象的多个参考特征进行编码处理，得到各参考特征的编码特征；基于各编码特征，确定目标对象针对待推荐信息在至少两个推荐维度的第一推荐分数；对各编码特征在各推荐维度进行映射处理，得到相应的映射特征，映射特征用于表征在相应的推荐维度所述第一推荐分数的融合权重；将各推荐维度的第一推荐分数及相应的映射特征进行融合处理，得到对应的融合特征，并基于融合特征对待推荐信息的推荐分数进行预测，得到目标对象针对待推荐信息的第二推荐分数；基于第二推荐分数，执行待推荐信息对应目标对象的推荐。
-
公开(公告)号：CN113641916A
公开(公告)日：2021-11-12
申请号：CN202111191793.6
申请日：2021-10-13
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/9535 , G06F16/9537 , G06F16/9538 , G06F16/906
摘要： 本申请涉及计算机技术领域，尤其涉及一种内容推荐方法、装置、电子设备和存储介质，可应用于云技术、人工智能、智慧交通、辅助驾驶等场景，用以提高推荐系统的时效性。方法包括：响应于内容推荐请求，基于候选内容的已存在时长，从候选内容集合中选取待推荐内容；获取目标对象的对象特征，内容推荐请求相关的上下文特征，各待推荐内容的内容特征，内容特征包括：基于内容发布时间与内容相关事件的发生时间中的至少一种确定的，表征内容已存在时长的存在时间特征；基于上述特征，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，确定目标推荐值；基于目标推荐值确定推荐顺序。本申请结合内容已存在时长进行召回和排序，可有效提高时效性。
-
公开(公告)号：CN113342868A
公开(公告)日：2021-09-03
申请号：CN202110895209.9
申请日：2021-08-05
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/2457 , G06N3/08
摘要： 本申请提供了一种信息推荐方法、装置、设备及计算机可读存储介质；方法包括：分别对待推荐信息的多个特征域进行压缩处理，得到对应各所述特征域的压缩特征；获取用于表征多个特征域中任意特征域组合交叉强度的交叉分块矩阵，并基于所述交叉分块矩阵及各所述压缩特征，对所述多个特征域进行交叉处理，得到所述待推荐信息的交叉特征；基于各所述压缩特征，对所述多个特征域进行关联处理，得到所述待推荐信息的关联特征；结合所述交叉特征及所述关联特征，对所述待推荐信息的点击率进行预测，得到针对所述待推荐信息的点击率预测结果，以基于点击率预测结果执行推荐操作。通过本申请，能够在降低计算复杂度的同时，提高推荐结果的准确性。
-
公开(公告)号：CN113516522B
公开(公告)日：2022-03-04
申请号：CN202111073114.5
申请日：2021-09-14
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请提供了一种媒体资源推荐方法、多目标融合模型的训练方法及装置，属于机器学习技术领域，可应用于云技术、人工智能以及智慧交通等各种场景。所述方法包括：基于目标对象的对象特征、媒体资源的资源特征和关联特征，确定业务目标预估信息；基于所述对象特征，确定对象类型信息；基于所述业务目标预估信息和所述对象类型信息，确定所述媒体资源的推荐信息；响应于所述推荐信息满足推荐条件，向所述目标对象推荐所述媒体资源。上述技术方案，能够基于对象属于各对象类型的概率来对业务目标的预估效果进行融合，从而对于不同对象类型的对象，业务目标的预估效果的融合方式不同，提高了融合结果的准确性，能够有效的解决“此消彼长”问题。
-
公开(公告)号：CN113342868B
公开(公告)日：2021-11-02
申请号：CN202110895209.9
申请日：2021-08-05
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/2457 , G06N3/08
摘要： 本申请提供了一种信息推荐方法、装置、设备及计算机可读存储介质；方法包括：分别对待推荐信息的多个特征域进行压缩处理，得到对应各所述特征域的压缩特征；获取用于表征多个特征域中任意特征域组合交叉强度的交叉分块矩阵，并基于所述交叉分块矩阵及各所述压缩特征，对所述多个特征域进行交叉处理，得到所述待推荐信息的交叉特征；基于各所述压缩特征，对所述多个特征域进行关联处理，得到所述待推荐信息的关联特征；结合所述交叉特征及所述关联特征，对所述待推荐信息的点击率进行预测，得到针对所述待推荐信息的点击率预测结果，以基于点击率预测结果执行推荐操作。通过本申请，能够在降低计算复杂度的同时，提高推荐结果的准确性。
-
公开(公告)号：CN113326440B
公开(公告)日：2021-11-02
申请号：CN202110884460.5
申请日：2021-08-03
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/9535 , G06N3/08
摘要： 本申请提供了一种基于人工智能的推荐方法、装置、电子设备及计算机可读存储介质；方法包括：通过基准网络对样本对象的关联特征进行特征融合处理，得到融合特征，并对融合特征进行推荐预测处理，得到基准预测结果；通过群体网络对融合特征进行推荐预测处理，得到多个对象群体分别对应的群体预测结果；根据基准预测结果、样本对象属于的样本对象群体对应的群体预测结果、以及样本对象的样本推荐结果确定损失值，并根据损失值对推荐模型进行训练；其中，训练后的推荐模型用于针对属于任意一个对象群体的目标对象进行推荐。通过本申请，能够提升对推荐模型的训练效果，并提升根据训练后的推荐模型对不同对象群体进行推荐的精度。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.034 秒)
