-
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:CN117808528A
公开(公告)日:2024-04-02
申请号:CN202311064977.5
申请日:2023-08-22
Applicant: 华为技术有限公司
IPC: G06Q30/0241 , G06Q30/0273 , G06N3/04 , G06N3/0985
Abstract: 一种数据处理方法,可以应用于人工智能领域,方法包括:获取广告主的投放预算、广告的属性信息、以及用户的属性信息;在满足广告主的投放成本不超过投放预算的约束下,最大化广告对于广告主的投放价值,得到广告的报价;投放价值为根据将广告投放在广告展示界面的多个广告位的投放价值的第一融合结果得到,每个广告位的投放价值为至少根据该广告位的位置对于用户的转化行为的影响值得到。本申请提供了一种多广告位场景的出价算法,考虑多广告位场景的特点,建模了多广告位中不同位置对于出价的影响,并在广告实时竞价场景中提供最优出价方法,提高了出价的精度。
-
公开(公告)号:CN117216378A
公开(公告)日:2023-12-12
申请号:CN202310953708.8
申请日:2023-07-31
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06F18/25 , G06N3/0499 , G06N3/0985
Abstract: 一种数据处理方法,应用于人工智能领域,包括:获取多个序列,每个序列包括用户对一个数据源中存在交互行为的物品的特征表示,所述数据源包括目标数据源;根据每个所述序列中物品的特征之间的关系,确定所述用户对于每个数据源的第一偏好特征;根据所述目标数据源与其他每个数据源之间的关联值,将多个数据源的偏好特征进行融合,得到第二偏好特征;将目标物品的特征表示与所述目标数据源对应的第二偏好特征进行融合,并通过推荐模型处理融合结果,得到推荐信息。本申请通过将提取的用户针对多数据源的偏好,融合至物品的特征中,使得推荐模型得到的结果具备更高的个性化程度,提高了推荐模型的精度。
-
公开(公告)号:CN113495986A
公开(公告)日:2021-10-12
申请号:CN202010202053.7
申请日:2020-03-20
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06K9/62
Abstract: 本申请提供一种数据处理的方法与装置。涉及人工智能领域,具体涉及计算机视觉领域。该方法包括:为第一模型中的每个特征组合项添加架构参数,得到第二模型,其中,第一模型为基于FM的模型,架构参数用于表征相应特征组合项的重要性;对第二模型中的架构参数进行优化学习,获得优化后的架构参数;根据优化后的架构参数,基于第一模型或第二模型,获得经过特征组合项删减后的第三模型。通过架构参数的优化学习可以实现特征组合项的筛选,无需现有技术中针对多个候选子集的多遍训练,因此,可以有效减小特征组合筛选的计算量,从而可以节省算力,同时可以提高特征组合筛选的效率。
-
公开(公告)号:CN113159315A
公开(公告)日:2021-07-23
申请号:CN202110369441.9
申请日:2021-04-06
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开一种神经网络的训练方法、数据处理方法以及相关设备,该方法可用于人工智能领域中,通过生成器输出与目标训练样本对应的目标预测结果,目标训练样本包括目标对象的标识信息,目标预测结果指示目标对象是否会被执行交互操作;通过判别器输出第一概率值和第二概率值,第一概率值指示目标正确结果为真实数据的概率,目标正确结果指示目标对象是否被执行过交互操作,第二概率值指示目标预测结果为真实数据的概率;对判别器和生成器进行对抗训练。生成器的更新目标为挖掘用户真实的点击习惯,从而有利于通过训练生成器以实现对用户内在真实意图的挖掘,有利于提高预测结果的准确率。
-
公开(公告)号:CN109902849A
公开(公告)日:2019-06-18
申请号:CN201810636443.8
申请日:2018-06-20
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种用户行为预测方法及装置,行为预测模型训练方法及装置,属于大数据处理领域。该用户行为预测方法获取到包括多个特征数据的行为预测信息后,可以分别获取每个特征数据对于指定行为的第一贡献值,并且对于该多个特征数据中的每N个特征数据,可以采用对应的一个特征交互模型对该每N个特征数据进行处理,得到每N个特征数据对于所述指定行为的第二贡献值。最后可以根据获取到的第一贡献值和第二贡献值,确定指定行为的执行概率。由于本申请提供的方法在对指定行为进行预测时,考虑了多个特征数据对该指定行为的交互影响,因此有效提高了行为预测的准确性。
-
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。
-
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。
-
-
-
-
-
-
-
-
-