行为预测系统的更新方法及装置

    公开(公告)号:CN111737584B

    公开(公告)日:2020-12-08

    申请号:CN202010762440.6

    申请日:2020-07-31

    Abstract: 本说明书实施例提供一种行为预测系统的更新方法,其中行为预测系统包括多个推荐领域各自对应的对象表征模型、领域用户表征模型和行为预测模型,还包括通用用户表征模型和领域判别模型。该方法包括:首先,获取与该多个推荐领域对应的多个训练样本,其中各个训练样本包括推荐对象的对象特征、用户的用户特征,以及指示该用户是否对该第一推荐对象做出特定行为的样本标签;接着,利用行为预测系统对多个训练样本进行处理,从而得到对应的多个行为预测损失和多个领域判别损失,进而确定综合损失,该综合损失与该多个行为预测损失分别正相关,且与该多个领域判别损失分别负相关;然后,利用综合训练损失,调整该行为预测系统中各个模型的模型参数。

    行为预测系统的更新方法及装置

    公开(公告)号:CN111737584A

    公开(公告)日:2020-10-02

    申请号:CN202010762440.6

    申请日:2020-07-31

    Abstract: 本说明书实施例提供一种行为预测系统的更新方法,其中行为预测系统包括多个推荐领域各自对应的对象表征模型、领域用户表征模型和行为预测模型,还包括通用用户表征模型和领域判别模型。该方法包括:首先,获取与该多个推荐领域对应的多个训练样本,其中各个训练样本包括推荐对象的对象特征、用户的用户特征,以及指示该用户是否对该第一推荐对象做出特定行为的样本标签;接着,利用行为预测系统对多个训练样本进行处理,从而得到对应的多个行为预测损失和多个领域判别损失,进而确定综合损失,该综合损失与该多个行为预测损失分别正相关,且与该多个领域判别损失分别负相关;然后,利用综合训练损失,调整该行为预测系统中各个模型的模型参数。

    保护数据隐私的多方联合训练对象推荐模型的方法及装置

    公开(公告)号:CN111291417B

    公开(公告)日:2020-08-28

    申请号:CN202010384206.4

    申请日:2020-05-09

    Abstract: 本说明书实施例提供一种保护数据隐私的多方联合训练对象推荐模型的方法,其中多方为N方,共同维护M个用户对P个对象的总评分矩阵。该方法由N方中任意的第k方执行,包括:先通过秘密分享,获取以下矩阵分片:该总评分矩阵的第k评分矩阵分片、初始化的该P个对象的对象特征矩阵的第k对象矩阵分片和初始化的该M个用户的用户特征矩阵的第k用户矩阵分片;再执行多次迭代更新,具体地,基于上述矩阵分片,通过与其他N‑1方进行秘密分享矩阵运算,得到对象更新梯度和用户更新梯度的第k分片,进而更新第k对象矩阵分片和第k用户矩阵分片。如此在多次迭代更新结束后,N方各自交换更新后的矩阵分片,进行矩阵重构,进而建立各自的对象推荐模型。

    基于隐私保护的信息推送方法及装置

    公开(公告)号:CN111538906A

    公开(公告)日:2020-08-14

    申请号:CN202010477510.3

    申请日:2020-05-29

    Abstract: 本说明书实施例提供一种基于隐私保护的信息推送方法和装置,可以用于在保护用户隐私数据的前提下,基于历史会话中的对象选择序列建立异构图,并根据异构图体现出的推送对象之间的深层关联关系,从多个候选推送对象中确定若干个目标对象进行信息推送。根据一个实施方式,可以获取当前会话中的对象选择序列,并添加目标项构成预测序列,接着,将预测序列中的各项基于异构图确定描述向量,再根据各个描述向量推测目标项的预测向量,之后根据预测向量和各个候选推送对象的描述向量的对比,为目标项确定多个目标对象。该实施方式可以提高信息推送的准确度。

Patent Agency Ranking