-
公开(公告)号：CN114298734A
公开(公告)日：2022-04-08
申请号：CN202111461532.1
申请日：2021-12-02
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
Abstract: 本发明公开了一种基于多任务学习的互联网在线广告精准投放方法。本发明从基于深度学习用于广告转化率预估的模型出发，在ESMM模型的基础上，利用AutoInt模型作为特征提取组件，提取高阶特征，以及利用自适应调整任务权重策略(AdaptTW)在模型训练过程中根据任务的学习难度和学习速度自适应调整任务的权重，保证任务优化同步，实现最优，以提升互联网广告转化率预估性能。模型不需要大量具有用户转化行为的数据，避免了由于数据稀疏导致训练不充分。本发明在应用到在线广告投放系统中，能够提升广告的转化率，同时没有过多增加模型更新训练时间。
-
公开(公告)号：CN112486710B
公开(公告)日：2021-07-09
申请号：CN202011499106.2
申请日：2020-12-17
Applicant: 浙江盘石信息技术股份有限公司
Inventor： 夏红梅
IPC: G06F9/54
Abstract: 本申请实施例提供一种基于大数据和人工智能的信息采集方法及数字内容服务平台，通过将至少两个关键运行采集节点业务分层为目标业务分层采集计划，以用于指示对被业务分层的关键运行采集节点所表示的采集页面对象的采集特征项进行采集配置。然后，可采用目标业务分层采集计划更新关键采集节点运行分布，并将更新后的关键采集节点运行分布发送至软件采集计划的采集配置进程，使得软件采集计划的采集配置进程在配置业务功能区采集进程的过程中可按照目标业务分层采集计划的指示对被业务分层的关键运行采集节点所表示的采集页面对象的采集特征项进行采集配置，从而减少采集配置的重调用次数，以节省采集数据的归纳时间并提高采集计划的执行效率。
-
公开(公告)号：CN102663026B
公开(公告)日：2015-09-23
申请号：CN201210079020.3
申请日：2012-03-22
Applicant: 浙江盘石信息技术股份有限公司
Abstract: 一种定向投放网络广告的实现方法，包括如下步骤：步骤S110：将所有的目标网站首先按照主题进行聚类，聚类算法将用向量空间模型来计算网页之间的相似度，根据相似度对网页进行聚类；步骤S120：对每一类网站标上主题，然后对每一个主题下的网页进行人群属性的判断统计，所述人群属性包括性别、年龄、收入、身份、学历、兴趣和家庭状况；步骤S130：对待投放的广告进行分析，分析的内容是广告类型的判断、广告所投放的人群属性的分析；步骤S140：网页广告的匹配是用于根据广告与网页分析的人群属性进行匹配，将广告投放到对应网页上。本发明提供一种提升精确度、实用性良好的定向投放网络广告的实现方法。
-
公开(公告)号：CN115168705A
公开(公告)日：2022-10-11
申请号：CN202210714353.2
申请日：2022-06-22
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于用户交互记录的用户画像预测方法，该方法包括：采集用户的基本信息、用户项目交互记录、项目属性信息；构建用户关系图，利用图卷积神经网络学习相邻用户的特征；构建项目属性图，利用图注意力神经网络丰富商品的语义信息；构造用户项目异构图，利用一种二部图卷积神经网络的提取用户间的高阶连通特征，学习用户间的相似性。本发明提高了用户画像的准确性，从而可以利用用户画像为相应用户提供个性化服务。
-
公开(公告)号：CN114238758A
公开(公告)日：2022-03-25
申请号：CN202111531109.4
申请日：2021-12-14
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06F16/9535 , G06F16/36 , G06F40/289 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开一种基于多源跨界数据融合的用户画像预测方法，针对现有技术项目特征稀疏、高阶结构化特征缺失以及用户行为序列特征缺失而导致的用户特征预测不准的问题。基于用户产生的电商数据，利用知识图谱扩充商品特征、利用图卷积网络充分对用户历史购买记录进行挖掘及利用循环神经网络预测用户的潜在购买特征，有效提升了用户画像预测的准确性。本发明的优点在于利用通过知识图谱解决了商品特征稀疏的问题，通过图卷积神经网络解决高阶结构化特征缺失的问题，通过循环神经网络解决了用户行为序列特征缺失的问题，为推荐系统的性能提升打下良好基础。
-
Patent Agency Ranking
公开(公告)号：CN109376321A
公开(公告)日：2019-02-22
申请号：CN201811312716.X
申请日：2018-11-06
Applicant: 浙江盘石信息技术股份有限公司
IPC: G06F16/957 , G06F16/958 , G06F21/44 , H04L29/06
Abstract: 本发明主要公开了一种悬浮于网站的安全动态展示方法，其技术方案：S1、首先进行网络认证，企业或平台通过向互联网信用认证平台提交材料，互联网信用认证对这些信息进行真实性验证，并且对网络信息安全、网民隐私信息保护和网上交易安全性进行评估；S2、形成订单；S3、加入网站监测，通过网站认证的企业或平台，互联网信用认证平台，通过网站监测系统对其进行网站监测；S4、终端应用展示标记采用四种展示形态，分别为一级展示形态、二级展示形态、三级展示形态以及四级展示形态。通过展示形态区别开来，更具有直观性和目的性，能够提高用户体验，悬浮于网站内页固定位置的方式存在于被监测网站，简洁明了，确保可读性的同时。
-
公开(公告)号：CN102495847B
公开(公告)日：2017-04-19
申请号：CN201110363931.4
申请日：2011-11-16
Applicant: 浙江盘石信息技术股份有限公司
IPC: G06F17/30
Abstract: 本发明涉及一种网络商品信息抽取方法。本发明方法包括如下步骤：(1)、利用模板生成工具生成网络商品信息抽取的初始模板；(2)、应用所述初始模板对网站进行商品信息抽取。本发明采用一个模板生成工具，在信息抽取过程生成模板，并对模板进行处理和修正，属于半自动抽取，可从网页中准确快速的抽取并标注所需要的特定信息，例如商品名、商品图片URL、价格。本发明使工作更加直观，方便了相关操作，降低了差错率，提高了工作效率。
-
公开(公告)号：CN103365898B
公开(公告)日：2016-10-26
申请号：CN201210095849.2
申请日：2012-03-30
Applicant: 浙江盘石信息技术股份有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种好友分享信息的处理方法，至少包括以下步骤：一)获取待用户提交待分享信息和用户已分享信息或所有好友已分享信息；二)将待分享信息的内容与用户已分享信息或所有好友已分享信息中任一条的内容进行比较；三)若待分享信息与用户已分享信息或好友已分享信息中某一条的内容相同，将该用户已分享信息或好友已分享信息更新至头条，若待分享信息与用户已分享信息或所好友已分享信息中任一条的内容都不相同，则在第一分类标签下新增一条用户提交的分享信息；四)显示分享信息。本发明通过对已经好友已经分享过的信息不再以全部内容生成新条目的方式分享，解决由于好友重复分享信息所带来的用户显示页面信息重复单调、互联网及用户资源浪费情况，同时提高用户的社交体验。
-
公开(公告)号：CN115239412A
公开(公告)日：2022-10-25
申请号：CN202210714383.3
申请日：2022-06-22
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06Q30/06 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于用户历史行为的在线商品推荐方法。本发明利用网络嵌入的矩阵分解(NetMF)模型来对用户历史行为进行增强表示，并且利用滤波层过滤用户历史行为中存在的噪声，再利用用户兴趣抽取层和用户兴趣演化层来充分挖掘用户历史兴趣和用户最近兴趣，最后通过多层感知机(MLP)来组合各种特征，以提升在线商品推荐性能。模型不需要超长的用户历史行为数据，这降低了对现有电子商务系统的数据要求，也避免了数据稀疏导致训练不充分。这非常有利于在线商品推荐中的模型训练、模型更新、模型上线。
-
公开(公告)号：CN114238758B
公开(公告)日：2023-04-11
申请号：CN202111531109.4
申请日：2021-12-14
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06F16/9535 , G06F16/36 , G06F40/289 , G06F16/35 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/084 , G06Q30/06
Abstract: 本发明公开一种基于多源跨界数据融合的用户画像预测方法，针对现有技术项目特征稀疏、高阶结构化特征缺失以及用户行为序列特征缺失而导致的用户特征预测不准的问题。基于用户产生的电商数据，利用知识图谱扩充商品特征、利用图卷积网络充分对用户历史购买记录进行挖掘及利用循环神经网络预测用户的潜在购买特征，有效提升了用户画像预测的准确性。本发明的优点在于利用通过知识图谱解决了商品特征稀疏的问题，通过图卷积神经网络解决高阶结构化特征缺失的问题，通过循环神经网络解决了用户行为序列特征缺失的问题，为推荐系统的性能提升打下良好基础。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.033 seconds)
