-
公开(公告)号：CN111400512B
公开(公告)日：2023-12-01
申请号：CN202010157401.3
申请日：2020-03-09
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/435 , G06F16/23 , G06F18/22 , G06N3/045
Abstract: 本发明涉及互联网技术领域，特别涉及一种筛选多媒体资源的方法及装置。该方法为：分别将各个多媒体资源对应的预估反馈信息作为新的向量维度，对相应的多媒体资源向量进行更新，根据更新结果对所述账户向量的维度进行相应更新，并且采用预设的度量函数，分别计算更新后的账户向量和各个更新后的多媒体资源向量之间的相似度，以及，基于相似度，便可筛选出符合预设条件的多媒体资源向量对应的多媒体资源，作为筛选结果输出。这样，便可以在召回阶段，通过一次检索直接筛选出符合要求的多媒体资源，从而有效避免了漏斗效应产生的召回损失，提升了筛选准确度，同时也缩短了检索时长，提高了多媒体资源的筛选效率，节省了计算资源。
-
公开(公告)号：CN114546974B
公开(公告)日：2024-09-20
申请号：CN202011350467.0
申请日：2020-11-26
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/18 , G06F16/14 , G06F16/172
Abstract: 本公开关于一种数据的标注方法及装置，能够根据媒体资源信息获取用户行为日志，提高了查询用户行为日志的速度，从而加快了标注数据的速度，提高标注数据的效率。具体方案包括：数据处理服务器确定第一媒体资源的投放时长，第一媒体资源与第一媒体资源信息相对应；在本地存储的媒体资源信息中，第一媒体资源信息中的投放时刻最早。并且，数据处理服务器在确定第一媒体资源的投放时长大于预设时长后，获取第一媒体资源信息以及第一媒体资源信息对应的第一用户行为日志，第一用户行为日志用于表征对第一媒体资源执行的操作。之后，数据处理服务器对第一媒体资源信息和第一用户行为日志执行标注操作，确定目标数据。
-
公开(公告)号：CN111754251A
公开(公告)日：2020-10-09
申请号：CN201910249173.X
申请日：2019-03-29
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本申请是关于一种广告投放方法、装置、服务器及存储介质，将用户属性与广告属性转换并拼接后得到整体环境向量，第一神经网络模型根据整体环境向量确定建议投放动作，第二神经网络模型对第一神经网络模型确定的建议投放动作的效果进行评价，然后基于用户反馈动态优化第一神经网络模型和第二神经网络模型的网络参数，循环训练，使得第一神经网络模型对建议投放动作的确定更加准确，弱化了历史信息的影响，提升了广告投放的准确性。
-
公开(公告)号：CN109784537B
公开(公告)日：2019-12-06
申请号：CN201811536662.5
申请日：2018-12-14
Applicant: 北京达佳互联信息技术有限公司
Inventor： 孔东营
IPC: G06F17/40
Abstract: 本公开是关于一种广告点击率的预估的方法、装置及服务器和存储介质，其中，所述方法包括：根据第一样本数据训练第一网络模型，所述第一网络模型用于对广告点击率进行预估；分别创建训练完毕的所述第一网络模型的输出结果与第二样本数据之间的第一损失函数，和训练完毕的所述第一网络模型的输出结果与第二网络模型的输出结果之间的第二损失函数，所述第二网络模型用于对广告点击率进行预估；根据所述第一损失函数和所述第二损失函数对所述第二网络模型进行训练；利用训练完毕的所述第二网络模型对待预估的广告点击率进行预估。本公开提高了广告点击率的预估准确度，也减少了训练第二网络模型的计算量。
-
公开(公告)号：CN111339240A
公开(公告)日：2020-06-26
申请号：CN202010085208.3
申请日：2020-02-10
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/31 , G06F16/9535 , G06K9/62 , G06Q30/02
Abstract: 本申请公开了一种对象的推荐方法、装置、计算设备和存储介质。该方法包括：获取用户信息；从用户特征库中，获取与所述用户信息对应的多个用户特征向量；将所述多个用户特征向量组成检索向量；从索引文件中查找与所述检索向量匹配的至少一个索引向量；将匹配到的索引向量对应的推荐对象推送至所述用户信息对应的客户端；其中，在训练各双塔模型时，采用的度量函数的自变量为训练样本的索引向量和检索向量，因变量为用于表示用户针对推送的推荐对象产生交互行为的概率。由此，通过使用合理设计的度量函数训练双塔模型，使得基于该双塔模型得到的多个向量能够拼接并进行一次检索，以避免多次检索召回存在的损失。
-
Patent Agency Ranking
公开(公告)号：CN109784537A
公开(公告)日：2019-05-21
申请号：CN201811536662.5
申请日：2018-12-14
Applicant: 北京达佳互联信息技术有限公司
Inventor： 孔东营
Abstract: 本公开是关于一种广告点击率的预估的方法、装置及服务器和存储介质，其中，所述方法包括：根据第一样本数据训练第一网络模型，所述第一网络模型用于对广告点击率进行预估；分别创建训练完毕的所述第一网络模型的输出结果与第二样本数据之间的第一损失函数，和训练完毕的所述第一网络模型的输出结果与第二网络模型的输出结果之间的第二损失函数，所述第二网络模型用于对广告点击率进行预估；根据所述第一损失函数和所述第二损失函数对所述第二网络模型进行训练；利用训练完毕的所述第二网络模型对待预估的广告点击率进行预估。本公开提高了广告点击率的预估准确度，也减少了训练第二网络模型的计算量。
-
公开(公告)号：CN109670632A
公开(公告)日：2019-04-23
申请号：CN201811414095.6
申请日：2018-11-26
Applicant: 北京达佳互联信息技术有限公司
Inventor： 孔东营
CPC classification number: G06Q10/04 , G06Q30/0277
Abstract: 本申请是关于一种广告点击率的预估方法、广告点击率的预估装置、电子设备及存储介质。所述广告点击率的预估方法包括：提取历史用户特征集和历史广告特征集；基于神经网络算法，建立提取嵌入特征的线下模型和实时预估广告的点击率的线上模型；以及基于所述线下模型和所述线上模型，得到目标用户对目标广告的点击率的实时预估值。将对广告的理解和用户的理解的工作任务都放在了线下模型，同时，线上模型只包含简单的神经网络算法，减小了计算量，从而提高了广告点击率预估的效率。
-
公开(公告)号：CN109635948A
公开(公告)日：2019-04-16
申请号：CN201811558958.7
申请日：2018-12-19
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/08
CPC classification number: G06N3/08
Abstract: 本公开是关于一种在线训练方法、装置、系统及计算机可读存储介质，属于深度学习领域。所述方法将深度神经网络模型的所有模型参数分成多个部分，当获取到实时的训练样本数据时，采用与该实时训练数据对应的模型参数对该深度神经网络模型进行训练，得到每个模型参数的梯度信息；基于每个模型参数的梯度信息以及与该实时训练数据对应的模型参数，获取至少一个目标模型参数；基于该至少一个目标模型参数以及该每个模型参数的梯度信息，更新该深度神经网络模型，来实现在线训练模型的目的。
-
公开(公告)号：CN111754251B
公开(公告)日：2024-01-19
申请号：CN201910249173.X
申请日：2019-03-29
Applicant: 北京达佳互联信息技术有限公司
IPC: G06Q30/0251 , G06N3/045
Abstract: 本申请是关于一种广告投放方法、装置、服务器及存储介质，将用户属性与广告属性转换并拼接后得到整体环境向量，第一神经网络模型根据整体环境向量确定建议投放动作，第二神经网络模型对第一神经网络模型确定的建议投放动作的效果进行评价，然后基于用户反馈动态优化第一神经网络模型和第二神经网络模型的网络参数，循环训练，使得第一神经网络模型对建议投放动作的确定更加准确，弱化了历史信息的影响，提升了广告投放的准确性。
-
公开(公告)号：CN117197599A
公开(公告)日：2023-12-08
申请号：CN202210592148.3
申请日：2022-05-27
Applicant: 北京达佳互联信息技术有限公司
IPC: G06V10/771 , G06V10/82 , G06N3/0442 , G06N3/098 , G06Q30/0601 , G06F16/735
Abstract: 本公开关于一种媒体信息处理方法、装置、设备及存储介质，该方法通将初始特征集输入媒体特征确定网络进行处理，获得训练样本对应的中间媒体特征向量；媒体特征确定网络包括由用于执行媒体特征确定操作的门向量所构成的媒体特征筛选模块，门向量中每个门控元素是基于衰减参数和门控可调参数构成的预设参数所确定；基于任务处理标签与预测任务处理结果、以及门控可调参数，确定目标函数损失，以基于目标函数损失对进行训练，利用训练后的媒体特征确定网络中的目标门向量对初始特征集进行特征筛选，获得目标媒体特征；目标门向量中除目标媒体特征之外的特征对应的目标门控元素值均为第一预设值。如此，在降低特征数量的同时，保证了模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.027 seconds)
