网络模型的训练方法、推荐方法、系统

    公开(公告)号:CN119538984A

    公开(公告)日:2025-02-28

    申请号:CN202411659120.2

    申请日:2024-11-19

    Abstract: 本说明书提供一种网络模型的训练方法、推荐方法、系统,训练方法包括:获得样本数据集,基于大语言模型获得样本数据集对应的第一预测推荐结果,基于大语言模型和推荐模型获得样本数据集对应的第二预测推荐结果,以最小化第一预测推荐结果与预设第一标签之间的第一损失函数、第二预测推荐结果与预设第二标签之间的第二损失函数为训练目标更新所述预设网络的参数,得到目标网络模型,其中,预设第一标签为基于样本用户的丰富意图确定的。通过采用丰富意图确定大语言模型的预设第一标签,可以训练大语言模型辨别样本用户更深层次的用户意图的能力,从而使得训练得到的目标网络模型能够准确有效地为用户做推荐。

    一种站点间流量切流的方法及装置

    公开(公告)号:CN117544666A

    公开(公告)日:2024-02-09

    申请号:CN202311467189.0

    申请日:2023-11-06

    Abstract: 本说明书实施例涉及一种站点间流量切流方法及装置,所述方法包括:首先确定第一站点中处于切流准备状态的目标应用,所述目标应用在第二站点具有尚未启动的镜像应用;然后,对于所述目标应用的下游应用列表中的各个第一应用,根据其所处的切流状态,配置所述镜像应用到该第一应用的寻址方式,使得从所述镜像应用发出的流量流向所述第一应用;接下来,启动所述镜像应用,对于所述目标应用的上游应用列表中的各个第二应用,根据其所处的切流状态,在第一站点和第二站点的网关配置跨域规则,并配置第二应用的引流规则,使得从所述第二应用发出的流量流向所述镜像应用;最后,在所述目标应用的流量低至预设条件的情况下,关闭所述目标应用。

    多任务模型的训练方法及装置
    13.
    发明公开

    公开(公告)号:CN115345296A

    公开(公告)日:2022-11-15

    申请号:CN202210968303.7

    申请日:2022-08-12

    Abstract: 本说明书实施例提供一种多任务模型的训练方法及装置,其中多任务模型包括用于确定用户表征的主干网络,以及用于基于用户表征执行k项用户预测任务的k个头部网络。该方法包括:基于m个用户样本,确定k项用户预测任务针对主干网络的k组原始梯度向量,其中各个用户样本包括用户特征和k个用户标签;将k组原始梯度向量映射至其所在原始空间的子空间,得到k组映射梯度向量;基于k组映射梯度向量在子空间的r个空间维度上的分量分布,确定对应的r个权重,并利用r个权重分别对各个映射梯度向量的r个维度分量进行加权处理,得到k组加权梯度向量;将k组加权梯度向量映射回原始空间,得到k组处理梯度向量,用以更新主干网络的网络参数。

    训练用户行为预测模型的方法和装置

    公开(公告)号:CN111401963A

    公开(公告)日:2020-07-10

    申请号:CN202010202058.X

    申请日:2020-03-20

    Abstract: 本说明书实施例提供一种训练用户行为预测模型的方法和装置,方法包括:获取多个训练样本,训练样本包括样本特征、第一标签、第二标签和第三标签,第一标签对应主任务,第二标签对应第一辅助任务,第三标签对应第二辅助任务;将各样本特征输入用户行为预测模型,基于主任务的预测输出和第一标签,第一辅助任务的预测输出和第二标签,第二辅助任务的预测输出和第三标签,采用多任务学习的方式训练用户行为预测模型;其中,主任务用于预测用户点击目标对象后发生预设行为的概率,第一辅助任务用于预测用户点击目标对象的概率,第二辅助任务用于预测用户点击目标对象并发生预设行为的概率。训练后的模型预测准确率高。

Patent Agency Ranking