-
公开(公告)号：CN114546796A
公开(公告)日：2022-05-27
申请号：CN202111635602.0
申请日：2021-12-29
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F11/34
Abstract: 本公开关于一种点击行为预测方法、装置、电子设备和存储介质，该方法包括：获取与账户的特征信息和目标多媒体资源的特征信息对应的一阶特征向量和二阶交叉特征向量；将二阶交叉特征向量输入点击行为预测模型的点击行为预测网络，输出初始预测向量；将一阶特征向量输入特征权重层，得到与一阶特征向量对应的目标权重矩阵，并根据目标权重矩阵输出权重化的一阶特征标量；将初始预测向量和权重化的一阶特征标量拼接后输入至点击行为预测模型的输出层，得到点击行为预测结果。本方法中的权重参数可以适应不同的数据分布，且在不过多增加模型的计算复杂度的前提下提高了模型对特征数据的记忆能力，进一步提高了预测的准确度。
-
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。
-
公开(公告)号：CN114462584B
公开(公告)日：2022-07-22
申请号：CN202210371311.3
申请日：2022-04-11
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/04 , G06N3/08 , G06F16/958
Abstract: 本公开关于一种推荐模型的训练方法、推荐方法、装置、服务器及存储介质。推荐模型的训练方法包括：获取训练样本数据；训练样本数据包括样本账户特征，样本信息特征，以及样本账户针对样本推荐信息的实际访问结果；将样本账户特征以及样本信息特征输入待训练的推荐模型，得到样本账户针对样本推荐信息的预测访问结果；基于预测访问结果和实际访问结果，确定第一损失函数的值，以及，基于门控参数的实际值和期望值，确定第二损失函数的值；基于第一损失函数的值和第二损失函数的值，确定总损失值；基于总损失值，更新推荐模型和门控参数，以得到训练完成的推荐模型。本公开可以实现门控参数的自主更新，从而可以提高训练出的推荐模型的灵活性。
-
公开(公告)号：CN114462584A
公开(公告)日：2022-05-10
申请号：CN202210371311.3
申请日：2022-04-11
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/04 , G06N3/08 , G06F16/958
Abstract: 本公开关于一种推荐模型的训练方法、推荐方法、装置、服务器及存储介质。推荐模型的训练方法包括：获取训练样本数据；训练样本数据包括样本账户特征，样本信息特征，以及样本账户针对样本推荐信息的实际访问结果；将样本账户特征以及样本信息特征输入待训练的推荐模型，得到样本账户针对样本推荐信息的预测访问结果；基于预测访问结果和实际访问结果，确定第一损失函数的值，以及，基于门控参数的实际值和期望值，确定第二损失函数的值；基于第一损失函数的值和第二损失函数的值，确定总损失值；基于总损失值，更新推荐模型和门控参数，以得到训练完成的推荐模型。本公开可以实现门控参数的自主更新，从而可以提高训练出的推荐模型的灵活性。
-
公开(公告)号：CN116304301A
公开(公告)日：2023-06-23
申请号：CN202310026595.7
申请日：2023-01-09
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F17/16
Abstract: 本公开关于一种推荐信息获取方法及装置、电子设备。该方法包括：获取目标账户的至少一个特征向量和目标对象的至少一个特征向量；基于每个特征向量的特征类型，对特征向量进行分组，得到至少一组特征向量；分别对每组的特征向量进行特征交叉处理，得到每组对应的交叉向量；基于每组对应的交叉向量，得到每组对应的交互向量，其中，每个交互向量包括所有组的特征向量的信息；分别对每组对应的交互向量进行至少一次特征交叉处理，得到每组对应的目标向量；基于每组对应的目标向量，得到目标对象的推荐信息，其中，推荐信息用于指示目标对象被推荐给目标账户的概率信息。通过本公开，解决了相关技术中推荐系统计算量大的问题。
-
Patent Agency Ranking
公开(公告)号：CN116225636A
公开(公告)日：2023-06-06
申请号：CN202211441422.3
申请日：2022-11-17
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种任务处理模型的生成方法、装置、设备及存储介质，该方法通过加载至训练数据缓存区的当轮训练集对任务处理模型进行训练处理，确定各训练样本对应的第一筛选指标参数；基于第一筛选指标参数、其他训练样本的第二筛选指标参数和全量训练集的目标样本筛选量，对全量训练集进行样本筛选，得到筛选后的训练集，并将训练数据缓存区中的各训练样本替换为筛选后的训练集；将筛选后的训练集作为当轮训练集，重复执行各步骤，直至达到模型训练结束条件，生成目标任务处理模型。从而减少模型训练计算量，降低对计算机资源的开销和依赖，提高计算效率。
-
公开(公告)号：CN116129881A
公开(公告)日：2023-05-16
申请号：CN202310003040.0
申请日：2023-01-03
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种语音任务处理方法、装置、电子设备及存储介质，该方法包括获取预设语音任务对应的待处理语音信息；将待处理语音信息输入包括至少一个时频注意力层的语音特征提取网络进行特征提取处理，得到待处理语音信息对应的目标语音特征信息，任一时频注意力层用于在学习待处理语音信息中时频信息的重要程度的基础上，从待处理语音信息中提取语音特征信息；基于目标语音特征信息执行预设语音任务，得到任务处理结果。利用本公开实施例可以大大提升了语音特征信息的表征准确性和语音任务的处理性能。
-
公开(公告)号：CN114611009B
公开(公告)日：2022-08-26
申请号：CN202210504261.1
申请日：2022-05-10
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本公开是关于一种资源推荐方法、装置、电子设备及存储介质，属于计算机技术领域。方法包括：调用特征提取网络，确定目标数据的原始数据特征；调用特征交互网络，对原始数据特征中的多个第一特征进行交互处理，得到交互特征；调用特征增强网络，确定多个第一特征分别针对每个预测层的目标权重，基于多个第一特征针对同一个预测层的目标权重对多个第一特征进行增强，得到同一个预测层对应的增强数据特征，将增强数据特征输入至对应的预测层中；调用每个预测层，基于输入至预测层的交互特征和增强数据特征，确定输入至下一个预测层的交互特征，直至调用最后一个预测层确定推荐结果。该方法基于增强数据特征进行预测，提高了推荐结果的准确性。
-
公开(公告)号：CN114611009A
公开(公告)日：2022-06-10
申请号：CN202210504261.1
申请日：2022-05-10
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本公开是关于一种资源推荐方法、装置、电子设备及存储介质，属于计算机技术领域。方法包括：调用特征提取网络，确定目标数据的原始数据特征；调用特征交互网络，对原始数据特征中的多个第一特征进行交互处理，得到交互特征；调用特征增强网络，确定多个第一特征分别针对每个预测层的目标权重，基于多个第一特征针对同一个预测层的目标权重对多个第一特征进行增强，得到同一个预测层对应的增强数据特征，将增强数据特征输入至对应的预测层中；调用每个预测层，基于输入至预测层的交互特征和增强数据特征，确定输入至下一个预测层的交互特征，直至调用最后一个预测层确定推荐结果。该方法基于增强数据特征进行预测，提高了推荐结果的准确性。
-
公开(公告)号：CN114528472A
公开(公告)日：2022-05-24
申请号：CN202111632814.3
申请日：2021-12-29
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开关于资源推荐模型训练方法、资源信息推荐方法和装置，该方法包括：将多个加权后的样本对象资源信息输入到第一待训练模型中进行推荐识别处理，确定第一推荐指标信息。基于第一推荐指标信息，对预设权重信息进行更新，得到多个样本对象资源信息各自对应的更新权重信息，并基于更新权重信息，从多个样本对象资源信息中确定目标对象资源信息。基于目标对象资源信息，对第二待训练模型进行训练，得到资源推荐模型。该方法可以筛选得到对推荐指标信息更重要的目标对象资源信息，从而减少特征处理的计算量，增强训练过程中模型对目标对象资源信息的学习，提高了资源推荐的准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
