视频推荐方法、装置、电子设备和存储介质

    公开(公告)号:CN110019943B

    公开(公告)日:2021-09-14

    申请号:CN201710812519.3

    申请日:2017-09-11

    Abstract: 本发明实施例提供一种视频推荐方法、装置、电子设备和存储介质。所述方法包括获取用户在预设时间段内的目标人口统计学特征对应的特征向量embedding和目标历史视频特征对应的embedding,其中,所述目标人口统计学特征对应的embedding包括目标显著特征的embedding和目标不显著特征embedding;根据目标显著特征对应的embedding、目标不显著特征对应的embedding和目标历史视频特征对应的embedding,以及预先建立的深度评分模型,确定用户对每一候选视频的评分;根据用户对每一候选视频的评分,确定用户的推荐视频。所述方法通过考虑所述用户的目标不显著特征对应的embedding对于视频推荐的影响,可更加全面对候选模型进行进一步筛选,得到更符合用户偏好的推荐视频,能够提高视频推荐的准确性。

    视频推荐方法、装置、电子设备和存储介质

    公开(公告)号:CN110019943A

    公开(公告)日:2019-07-16

    申请号:CN201710812519.3

    申请日:2017-09-11

    Abstract: 本发明实施例提供一种视频推荐方法、装置、电子设备和存储介质。所述方法包括获取用户在预设时间段内的目标人口统计学特征对应的特征向量embelding和目标历史视频特征对应的embelding,其中,所述目标人口统计学特征对应的embelding包括目标显著特征的embelding和目标不显著特征embelding;根据目标显著特征对应的embelding、目标不显著特征对应的embelding和目标历史视频特征对应的embelding,以及预先建立的深度评分模型,确定用户对每一候选视频的评分;根据用户对每一候选视频的评分,确定用户的推荐视频。所述方法通过考虑所述用户的目标不显著特征对应的embelding对于视频推荐的影响,可更加全面对候选模型进行进一步筛选,得到更符合用户偏好的推荐视频,能够提高视频推荐的准确性。

    一种人脸匹配方法及装置

    公开(公告)号:CN109840453B

    公开(公告)日:2020-12-11

    申请号:CN201711218260.6

    申请日:2017-11-28

    Abstract: 本发明实施例提供一种人脸匹配方法及装置。该方法包括:获取原始图像,原始图像包括预设的标志物信息和待匹配的人脸信息;从原始图像中检测预设的标志物,确定标志物在原始图像中的初始坐标信息;根据初始坐标信息和标志物的标准方向信息,对原始图像进行方向校正,确定第一校正图像;根据标志物在第一校正图像中的第一坐标信息和标志物的标准尺寸信息,对第一校正图像进行尺度校正,确定第二校正图像;根据标志物在第二校正图像中的第二坐标信息,确定人脸区域;截取人脸区域上传至服务器,以供服务器根据人脸区域进行人脸匹配。本发明实施例减小了网络流量压力,能识别方向异常的原始图像,提高人脸匹配的效率。

    一种人脸匹配方法及装置

    公开(公告)号:CN109840453A

    公开(公告)日:2019-06-04

    申请号:CN201711218260.6

    申请日:2017-11-28

    Abstract: 本发明实施例提供一种人脸匹配方法及装置。该方法包括:获取原始图像,原始图像包括预设的标志物信息和待匹配的人脸信息;从原始图像中检测预设的标志物,确定标志物在原始图像中的初始坐标信息;根据初始坐标信息和标志物的标准方向信息,对原始图像进行方向校正,确定第一校正图像;根据标志物在第一校正图像中的第一坐标信息和标志物的标准尺寸信息,对第一校正图像进行尺度校正,确定第二校正图像;根据标志物在第二校正图像中的第二坐标信息,确定人脸区域;截取人脸区域上传至服务器,以供服务器根据人脸区域进行人脸匹配。本发明实施例减小了网络流量压力,能识别方向异常的原始图像,提高人脸匹配的效率。

    根因定位方法、装置、计算设备及计算机存储介质

    公开(公告)号:CN116955059A

    公开(公告)日:2023-10-27

    申请号:CN202211531044.8

    申请日:2022-12-01

    Abstract: 本申请实施例公开了一种根因定位方法、装置、计算设备及计算机存储介质,其中,该方法包括:按照采样时间段对多个维度的数据进行数据处理,确定同一采样时间段内的多个异常事件;将多个异常事件中相邻异常事件划分至同一类,得到多个异常事件类;针对每个异常事件类,确定该异常事件类中各个异常事件的重要性,并根据各个异常事件的重要性,分析异常事件与故障之间的因果规则,得到故障对应的规则集合;根据规则集合进行根因定位。该技术方案通过对多个维度的数据进行数据处理,能够便捷地确定异常事件,有效地减少了数据处理分析的资源开销,并自适应学习故障与异常事件之间的因果规则,实现了快速的根因定位,有助于及时挽回业务损失。

Patent Agency Ranking