-
公开(公告)号：CN113449176A
公开(公告)日：2021-09-28
申请号：CN202010216920.2
申请日：2020-03-24
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06F16/35 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本申请公开了人工智能领域的一种基于知识图谱的推荐方法，包括：获取多个历史点击对象及多个历史点击对象中每个历史点击对象的邻居对象；根据多个历史点击对象及多个历史点击对象中每个历史点击对象的邻居对象获取当前状态参数；根据知识图谱、所有对象和多个历史点击对象确定候选推荐对象集；根据当前状态参数计算得到候选推荐对象集中每个候选推荐对象的期望值，并将最大期望值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，如APP应用市场的APP推荐，音/视频网站的音/视频推荐，资讯平台的资讯推荐等。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：CN111931904A
公开(公告)日：2020-11-13
申请号：CN202010661477.X
申请日：2020-07-10
Applicant: 华为技术有限公司
Abstract: 本申请提供一种神经网络的构建方法和装置，涉及人工智能领域。该方法包括：初始化搜索空间和多个构建块，所述搜索空间中包括多个操作符，该构建块则是由多个节点之间通过操作符连接得到的网络结构；在训练过程中，在至少一次训练轮次中，随机丢弃部分操作符，以及利用未被丢弃的操作符更新该多个构建块，之后利用更新后的多个构建块构建目标神经网络。该方法通过随机丢弃部分操作符，打破了操作符之间的关联性，克服了训练过程中存在的耦合问题，使得获得的目标神经网络的性能更好。
-
公开(公告)号：CN101140583A
公开(公告)日：2008-03-12
申请号：CN200710123832.2
申请日：2007-10-09
Applicant: 华为技术有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种文本检索的方法和装置。该方法包括：输入原始文本数据；对所述原始文本数据进行自适应映射降维处理；根据所述自适应映射降维处理后的数据，检索与其相似的文本数据；输出所述检索到的文本数据。本发明实施例在对高维文本数据进行降维后，能对原数据进行有效的压缩，时间复杂度较低，适用于海量数据，能有效地保持文本数据各原向量之间的相似度。使用本发明实施例的方法或装置可以以比较小的运算代价迅速地响应网络文本查询、搜索、检索等请求，从而解决了现有网络文本检索时间复杂度高、耗费空间大、精度较差的问题。
-
公开(公告)号：CN119646502A
公开(公告)日：2025-03-18
申请号：CN202311210842.5
申请日：2023-09-18
Applicant: 华为技术有限公司
IPC: G06F18/214 , G06F18/25 , G06N3/0895 , G06N3/084 , G06N3/045
Abstract: 本申请实施例公开了一种数据处理方法，该方法中，可以通过预训练语言模型和第一训练数据对推荐模型进行训练，以使得训练后的推荐模型不仅能够学习到第一训练数据本身的所携带的协同信息，还可以学习到预训练语言模型所携带的语义知识，从而可以使得训练后的推荐模型能够融合协同知识和语义知识来实现推荐任务，提升了推荐的准确性，同时，可以保证推荐模型具有较好的时延。
-
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
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。
-
Patent Agency Ranking
公开(公告)号：CN1937584A
公开(公告)日：2007-03-28
申请号：CN200610122062.5
申请日：2006-09-05
Abstract: 本发明涉及一种便于资源查询的非结构化对等网络系统及其资源查找及路由更新方法。其中所述非结构化对等网络系统的节点设备，包括有：存储单元，更新处理单元以及资源查找单元。本发明查询路由信息更接近网络中实际的资源分布，可以提高资源查找效率，同时避免像洪泛方式一样转发大量不必要的查询消息，降低了不必要的网络负载。
-
公开(公告)号：CN119622075A
公开(公告)日：2025-03-14
申请号：CN202311182780.1
申请日：2023-09-13
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 一种数据处理方法，可以应用于人工智能领域，方法包括：获取用户和物品的属性信息；通过推荐模型的特征提取网络，得到所述属性信息对应的第一特征表示；通过语言模型处理所述属性信息对应的自然语言文本，并将所述第一特征表示作为所述语言模型的中间层的输入，得到第二特征表示；根据所述第二特征表示，预测所述用户的推荐信息。本申请将推荐模型的特征提取网络得到的特征表示输入到语言模型的中间层，使得携带有域级特征以及ID类特征的特征表示输入到语言模型中，从而帮助语言模型可以具备建模域级特征以及ID类特征的能力，从而提高推荐精度。
-
公开(公告)号：CN117009648A
公开(公告)日：2023-11-07
申请号：CN202310802201.2
申请日：2023-06-30
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06Q10/04 , G06F18/24 , G06F16/36 , G06F18/214 , G06N3/0464 , G06N3/0895
Abstract: 一种数据处理方法，可以应用于人工智能领域，方法包括：获取多个第一属性信息，每个第一属性信息对应用户、物品或者上下文信息的一个特征维度；对多个第一属性信息中的至少一个第一属性信息进行替换，得到替换后的多个第一属性信息；通过替换后的多个第一属性信息，通过特征提取网络，得到第一特征表示；根据第一特征表示，通过第一预测网络，得到第一预测结果，第一预测结果指示每个第一属性信息是否被替换，并根据第一预测结果和对应的真值，更新特征提取网络。本申请通过对属性特征进行替换，并预测每个特征维度的属性特征是否被替换，从而实现了推荐模型的自监督学习，再不改变推荐模型架构的情况下，可以提升推荐模型的处理精度。
-
公开(公告)号：CN109902706B
公开(公告)日：2023-08-22
申请号：CN201811337589.9
申请日：2018-11-09
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了人工智能领域的一种智能推荐方法，包括：根据多个过往历史推荐对象和用户针对每个历史推荐对象的行为，如点击次数，下载次数等，获取推荐系统状态参数；并将待推荐对象划分为多级集合，各级集合之间为从属关系，每个集合对应一个选择策略，根据该推荐系统状态参数和集合的选择策略确定目标待推荐对象。本发明的推荐方法适用于各种推荐相关的应用场景，如APP应用市场的APP推荐，音/视频网站的音/视频推荐，资讯平台的资讯推荐等。采用本发明实施例有利于提高推荐效率和准确率。
-
公开(公告)号：CN116108267A
公开(公告)日：2023-05-12
申请号：CN202211634087.9
申请日：2022-12-19
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06Q10/0639 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请实施例公开了一种推荐方法，本申请实施例方法可以应用于电影推荐、游戏推荐等向用户推荐物品的场景。该方法包括：获取用于表示多个待推荐物品的初步推荐排序；并通过获取与用户历史行为相关的多个历史物品的排序，并根据该多个历史物品的排序获取的第二特征对初步推荐排序进行更新。由于第二特征体现了用户对多个历史物品所属类别的喜好程度，因此由第二特征确定的第三序列可以为用户提供个性化与多样性的物品推荐。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
