推荐内容管理方法及装置、电子设备及存储介质

    公开(公告)号:CN116610869B

    公开(公告)日:2023-10-13

    申请号:CN202310862674.1

    申请日:2023-07-13

    Abstract: 本说明书一个或多个实施例提供一种推荐内容管理方法及装置、电子设备及存储介质,所述方法包括:向服务端发送内容推荐请求,其中,所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容;接收所述服务端返回的多个推荐内容,以及所述多个推荐内容中每个推荐内容的数据标签,其中,所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到,所述多个推荐内容与所述多个显示区一一对应;根据所述多个推荐内容中每个推荐内容的数据标签,对所述多个推荐内容进行去重处理,并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。

    信息推荐方法及装置、存储介质

    公开(公告)号:CN116610873A

    公开(公告)日:2023-08-18

    申请号:CN202310887568.9

    申请日:2023-07-19

    Abstract: 本说明书提供一种信息推荐方法及装置、存储介质,该方法包括:基于用户对云节点下发的至少一个第一推荐信息的操作行为,得到实时特征信息;将实时特征信息发送给边缘节点;接收并存储边缘节点返回的目标特征信息,目标特征信息是用于表征用户的历史操作行为和实时操作行为之间的共性的特征信息;基于目标特征信息,对云节点下发的至少一个第二推荐信息进行重排序后输出。本公开可以利用边缘节点的算力为客户端提供更精准表征用户操作行为的目标特征信息,扩展了客户端上表征用户操作行为的特征信息的丰富度,且可以减少信息推荐的时延,能够更合理的利用端边云各个设备的资源,提高了端边云架构的可用性。

    端边云协同的模型训练方法及装置

    公开(公告)号:CN116562399A

    公开(公告)日:2023-08-08

    申请号:CN202310844489.X

    申请日:2023-07-10

    Abstract: 本说明书一个或多个实施方式提供了一种端边云协同的模型训练方法及装置,模型训练方法包括接收与边缘节点所对应的各个应用端发送的梯度信息,基于接收到的各个应用端发送的梯度信息进行聚合处理得到聚合梯度数据,将聚合梯度数据发送至云服务器,以及云服务器根据聚合梯度数据对全局模型进行训练。本说明书实施方式中,通过边缘节点对应用端的梯度信息进行聚合处理,从而缩减梯度信息的数据量,而且可以最大程度保留全部梯度信息的特征,因此后续云服务器的模型训练仍然是建立在全局视野,在较少丢失信息的情况下,加快模型训练速度,保证模型的精度和效果。

    一种聚类模型训练、用户聚类、信息推送方法及装置

    公开(公告)号:CN116401567A

    公开(公告)日:2023-07-07

    申请号:CN202310653728.3

    申请日:2023-06-02

    Abstract: 本说明书实施例提供了一种聚类模型训练、用户聚类、信息推送方法及装置。聚类模型包含父类簇和子类簇等多层类簇。聚类模型的待学习变量包括末端子类簇中心。在聚类模型的一次迭代训练中,通过聚类模型,从多层类簇的类簇中心中确定与用户特征匹配的末端子类簇中心,得到用户样本归属的末端子类簇。基于匹配的末端子类簇中心与用户特征之间的相似度确定预测损失,基于预测损失更新待学习变量。当聚类模型经过训练后,从中导出类簇标识与类簇中心的对应关系。该聚类模型可以确定新用户样本归属的类簇标识。在信息推送场景中,利用上述对应关系可以从用户标识查询到对应的类簇中心,将该类簇中心作为用户样本的特征向量,用于信息推送。

    针对多个推荐场景的资源弹性调度方法和装置

    公开(公告)号:CN116385071A

    公开(公告)日:2023-07-04

    申请号:CN202310660434.3

    申请日:2023-06-05

    Abstract: 本说明书实施例提供一种针对多个推荐场景的资源弹性调度方法和装置,方法包括:基于所述多个推荐场景中任一目标场景的历史流量构成的第一流量序列,预测未来的第一时间周期内的各个流量构成的第二流量序列;所述第一时间周期内存在多个决策时刻;基于所述第二流量序列,确定所述目标场景在各个决策时刻的资源需求;根据与资源节约以及资源变更有关的多个优化目标,在各个推荐场景满足其对应的资源需求的约束下,确定所述多个推荐场景在未来的各个决策时刻所分配的资源。能够实现多个推荐场景上的资源的自动扩缩容,使得资源的平均水位提高,提升资源整体利用率。

    弹性调节算力的预测方法和装置
    9.
    发明公开

    公开(公告)号:CN115564022A

    公开(公告)日:2023-01-03

    申请号:CN202211173639.0

    申请日:2022-09-26

    Abstract: 本说明书实施例提供一种弹性调节算力的预测方法和装置,通过计算平台执行,该计算平台部署有经过训练的神经网络模型,神经网络模型包括n个子网络,n>2,方法包括:接收预测请求,其中包括待测样本;确定针对所述预测请求分配的算力系数,该算力系数指示,为所述预测请求分配的硬件算力资源与所述神经网络模型全部在所述计算平台运行时所需的总硬件算力资源的比例;根据所述算力系数,确定本次使用的n个子网络中的k个子网络;将所述待测样本输入所述k个子网络,得到预测结果。算力的可弹性伸缩的档位多,弹性调节算力的空间大。

    预测模型训练方法和装置
    10.
    发明公开

    公开(公告)号:CN114792173A

    公开(公告)日:2022-07-26

    申请号:CN202210694769.2

    申请日:2022-06-20

    Abstract: 本说明书实施例提供一种训练预测模型的方法和装置,该预测模型包括第一分支和第二分支;根据该方法,首先获取目标样本,其包括样本特征,第一标签和第二标签;第一标签指示用户是否点击了目标对象;第二标签表示该用户是否实施与目标对象有关的目标行为。利用预测模型对样本特征进行处理,第一分支输出用户点击目标对象的第一概率;第二分支输出用户实施目标行为的第二概率。基于第一标签值和第一概率,确定第一损失。并且,在预设条件满足的情况下,根据第二标签值和第二概率确定第二损失,并根据第一损失和第二损失确定该目标样本的预测损失,其中预设条件包括,第一标签值指示用户点击了目标对象。于是可以根据上述预测损失,训练该预测模型。

Patent Agency Ranking