公开(公告)号：CN116956079A

公开(公告)日：2023-10-27

申请号：CN202211502540.0

申请日：2022-11-28

申请人： 腾讯科技(深圳)有限公司

发明人： 刘兵 ,  孙振龙 ,  胡博 ,  刘祺 ,  梁铭霏 ,  李靖 ,  张博

IPC分类号： G06F18/23

摘要： 本发明公开了一种数据处理方法、装置、电子设备及存储介质，包括：本发明通过获取K个聚类结果，K个聚类结果基于K种不同的第一聚类方式分别对对象集合进行聚类操作确定，第一聚类方式基于聚类算法和聚类特征确定，基于K个聚类结果确定聚类组合，聚类组合包括从K个聚类结果中确定的L个第一聚类结果，基于聚类组合中的L个第一聚类结果分别包含的多个对象簇确定聚类组合对应的多个核对象集，根据聚类组合对应的多个核对象集确定目标聚类结果，基于目标聚类结果和账号信息向账号信息对应的设备发送目标对象。本申请实施例通过若干个聚类结果生成的核对象集对多个聚类结果进行评比，从中确定出合适的聚类结果，提高对象推荐的的准确性。

公开(公告)号：CN115705399A

公开(公告)日：2023-02-17

申请号：CN202110809268.X

申请日：2021-07-16

申请人： 腾讯科技(深圳)有限公司

发明人： 梁铭霏 ,  俞浩敏 ,  孙振龙 ,  张博 ,  刘书凯 ,  商甜甜 ,  刘祺 ,  饶君 ,  王良栋 ,  林乐宇 ,  周健 ,  柳东静 ,  丘志杰 ,  胡博 ,  梅家洁 ,  甘月松 ,  杨永新 ,  赵竑晟

IPC分类号： G06F18/214

摘要： 本发明公开了一种预测模型的训练方法、存储介质和电子设备。其中，该方法包括：获取已发布的第一多媒体资源的第一媒体资源信息、第一多媒体资源的第一历史实际发布结果序列、以及第一多媒体资源在目标时间上的第一未来实际发布结果；在第一目标转换概率表示将第一历史实际发布结果序列转换成第一目标异常发布结果序列时，将第一历史实际发布结果序列转换成第一目标异常发布结果序列，并使用第一媒体资源信息、第一目标异常发布结果序列以及第一未来实际发布结果，对待训练的发布结果预测模型进行训练。本发明可应用在人工智能场景下，本发明还涉及神经网络模型等技术。本发明解决了预测模型的预测准确性较低的技术问题。

公开(公告)号：CN110046304B

公开(公告)日：2022-12-13

申请号：CN201910312887.0

申请日：2019-04-18

申请人： 腾讯科技(深圳)有限公司

发明人： 丘志杰 ,  饶君 ,  刘毅 ,  苏舟 ,  刘书凯 ,  孙振龙 ,  刘祺 ,  王良栋 ,  商甜甜 ,  梁铭霏 ,  陈磊 ,  张博 ,  林乐宇

IPC分类号： G06F16/9535

摘要： 本发明公开了一种用户推荐方法和装置，所述方法包括：获得用户属性信息、阅读属性信息、阅读历史信息和候选项目；对所述阅读属性信息按照预设分组进行组内信息融合，以得到阅读特征信息；建立自注意层模型，输入阅读历史信息到自注意层模型中，获得阅读历史权重；根据阅读历史权重和阅读历史信息，进行加权平均获得历史特征信息；根据所述用户属性信息、阅读特征信息和历史特征信息，获得用户特征信息；根据所述用户特征信息从所述候选项目中选择用于进行用户推荐的推荐项目。所述方法根据阅读历史信息的权重，获得历史特征信息，避免了信息折损，同时也过滤了被动阅读行为，能够提高用户个性化推荐的精确度。

公开(公告)号：CN111241311A

公开(公告)日：2020-06-05

申请号：CN202010022772.0

申请日：2020-01-09

申请人： 腾讯科技(深圳)有限公司

发明人： 刘祺 ,  谢若冰 ,  刘书凯 ,  张博 ,  林乐宇

IPC分类号： G06F16/435 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种媒体信息推荐方法、装置、电子设备及存储介质；方法包括：获取目标用户感兴趣的至少两种类型的媒体属性信息；分别确定异构偏好网络中，对应各媒体属性信息的目标节点；获取目标节点的异构特征向量及目标节点的邻接节点的异构特征向量；通过异构网络模型，基于目标节点的异构特征向量及目标节点的邻接节点的异构特征向量，获取对应目标节点的聚合特征向量；将归属于同一类型的目标节点的聚合特征向量，输入至相应类型的媒体信息匹配通道，以确定与聚合特征向量的相似度满足相似度条件的聚合特征向量所对应的媒体信息；基于得到的媒体信息，对目标用户进行媒体信息推荐。通过本发明，能够提高媒体信息推荐的准确性和多样性。

公开(公告)号：CN110119477B

公开(公告)日：2024-02-27

申请号：CN201910398975.7

申请日：2019-05-14

申请人： 腾讯科技(深圳)有限公司

发明人： 孙振龙 ,  胡澜涛 ,  陈磊 ,  张博 ,  刘祺 ,  梁铭霏 ,  丘志杰 ,  饶君 ,  刘毅 ,  王良栋 ,  刘书凯 ,  商甜甜 ,  苏舟

IPC分类号： G06F16/9535

摘要： 本发明实施例公开了一种信息推送方法、装置和存储介质；本发明实施例可以先获取目标用户的用户数据，接着，对所述用户数据进行特征抽取，得到用户特征，然后，将所述用户特征和待推送信息进行低维稠密向量化，得到用户向量和信息向量，再计算所述信息向量和所述用户向量的相似度，再然后，将相似度满足预设条件的待推送信息推送给目标用户。该方案可以提高信息推送的准确性。

公开(公告)号：CN110149541A

公开(公告)日：2019-08-20

申请号：CN201910330212.9

申请日：2019-04-23

申请人： 腾讯科技(深圳)有限公司

发明人： 苏舟 ,  刘书凯 ,  孙振龙 ,  饶君 ,  丘志杰 ,  刘毅 ,  刘祺 ,  王良栋 ,  商甜甜 ,  梁铭霏 ,  陈磊 ,  张博

IPC分类号： H04N21/25 ,  H04N21/45 ,  H04N21/466 ,  H04N21/482

摘要： 本发明公开了一种视频推荐方法、装置、计算机设备及存储介质，属于机器学习领域。该方法包括：将视频输入第一特征提取网络，对该视频中的至少一个连续视频帧进行特征提取，输出该视频的视频特征；将用户的用户数据输入第二特征提取网络，对离散的该用户数据进行特征提取，输出该用户的用户特征；基于该视频特征和该用户特征进行特征融合，得到对该用户推荐该视频的推荐概率；根据该推荐概率，确定是否对该用户推荐该视频。本发明对于用户特征和视频特征，采用不同的网络进行特征提取，避免了丢失用户特征和视频特征中的信息，提高了视频推荐的准确度。

公开(公告)号：CN110162698B

公开(公告)日：2023-10-20

申请号：CN201910312225.3

申请日：2019-04-18

申请人： 腾讯科技(深圳)有限公司

发明人： 刘毅 ,  饶君 ,  丘志杰 ,  刘祺 ,  梁铭霏 ,  陈磊 ,  王良栋 ,  孙振龙 ,  刘书凯 ,  商甜甜 ,  苏舟 ,  张博 ,  林乐宇

IPC分类号： G06F16/9535

摘要： 本发明实施例公开一种用户画像数据处理方法、装置及存储介质，其中，方法包括：响应针对目标应用的第一拉取请求，获取第一拉取请求对应的特征更新时长；特征更新时长包含多个第一时刻；将目标网络模型在上一特征更新时长内所得到的隐藏特征确定为初始隐藏特征；从业务数据特征向量中获取多个第一时刻分别对应的业务数据特征，并从用户画像特征向量中获取多个第一时刻分别对应的用户画像特征；根据初始隐藏特征、每个第一时刻分别对应的业务数据特征以及用户画像特征，确定目标网络模型在特征更新时长内的目标隐藏特征；所述目标隐藏特征用于表征与所述第一拉取请求对应的目标用户的用户画像信息。采用本发明，可以确保用户画像数据的准确性和完备性。

公开(公告)号：CN111241311B

公开(公告)日：2023-02-03

申请号：CN202010022772.0

申请日：2020-01-09

申请人： 腾讯科技(深圳)有限公司

发明人： 刘祺 ,  谢若冰 ,  刘书凯 ,  张博 ,  林乐宇

IPC分类号： G06F16/435 ,  G06N3/048 ,  G06N3/09 ,  G06N3/084

摘要： 本发明提供了一种媒体信息推荐方法、装置、电子设备及存储介质；方法包括：获取目标用户感兴趣的至少两种类型的媒体属性信息；分别确定异构偏好网络中，对应各媒体属性信息的目标节点；获取目标节点的异构特征向量及目标节点的邻接节点的异构特征向量；通过异构网络模型，基于目标节点的异构特征向量及目标节点的邻接节点的异构特征向量，获取对应目标节点的聚合特征向量；将归属于同一类型的目标节点的聚合特征向量，输入至相应类型的媒体信息匹配通道，以确定与聚合特征向量的相似度满足相似度条件的聚合特征向量所对应的媒体信息；基于得到的媒体信息，对目标用户进行媒体信息推荐。通过本发明，能够提高媒体信息推荐的准确性和多样性。

公开(公告)号：CN110149541B

公开(公告)日：2021-08-03

申请号：CN201910330212.9

申请日：2019-04-23

申请人： 腾讯科技(深圳)有限公司

发明人： 苏舟 ,  刘书凯 ,  孙振龙 ,  饶君 ,  丘志杰 ,  刘毅 ,  刘祺 ,  王良栋 ,  商甜甜 ,  梁铭霏 ,  陈磊 ,  张博

IPC分类号： H04N21/25 ,  H04N21/45 ,  H04N21/466 ,  H04N21/482

摘要： 本发明公开了一种视频推荐方法、装置、计算机设备及存储介质，属于机器学习领域。该方法包括：将视频输入第一特征提取网络，对该视频中的至少一个连续视频帧进行特征提取，输出该视频的视频特征；将用户的用户数据输入第二特征提取网络，对离散的该用户数据进行特征提取，输出该用户的用户特征；基于该视频特征和该用户特征进行特征融合，得到对该用户推荐该视频的推荐概率；根据该推荐概率，确定是否对该用户推荐该视频。本发明对于用户特征和视频特征，采用不同的网络进行特征提取，避免了丢失用户特征和视频特征中的信息，提高了视频推荐的准确度。

公开(公告)号：CN110162698A

公开(公告)日：2019-08-23

申请号：CN201910312225.3

申请日：2019-04-18

申请人： 腾讯科技(深圳)有限公司

发明人： 刘毅 ,  饶君 ,  丘志杰 ,  刘祺 ,  梁铭霏 ,  陈磊 ,  王良栋 ,  孙振龙 ,  刘书凯 ,  商甜甜 ,  苏舟 ,  张博 ,  林乐宇

IPC分类号： G06F16/9535

摘要： 本发明实施例公开一种用户画像数据处理方法、装置及存储介质，其中，方法包括：响应针对目标应用的第一拉取请求，获取第一拉取请求对应的特征更新时长；特征更新时长包含多个第一时刻；将目标网络模型在上一特征更新时长内所得到的隐藏特征确定为初始隐藏特征；从业务数据特征向量中获取多个第一时刻分别对应的业务数据特征，并从用户画像特征向量中获取多个第一时刻分别对应的用户画像特征；根据初始隐藏特征、每个第一时刻分别对应的业务数据特征以及用户画像特征，确定目标网络模型在特征更新时长内的目标隐藏特征；所述目标隐藏特征用于表征与所述第一拉取请求对应的目标用户的用户画像信息。采用本发明，可以确保用户画像数据的准确性和完备性。