-
公开(公告)号：CN109902823B
公开(公告)日：2024-06-07
申请号：CN201811654623.5
申请日：2018-12-29
IPC: G06N3/094 , G06N3/045 , G06N3/0475 , G06F18/241 , G06Q30/018
Abstract: 本申请实施例提供一种基于生成对抗网络的模型训练方法及设备，该方法包括：设备通过生成模型为第一用户生成正例伪造物品和负例伪造物品；所述设备训练多个真实物品对和多个伪造物品对以得到判别模型，所述判别模型用于分辨所述多个真实物品对与所述多个伪造物品对之间的差异；每个真实物品对包括一个正例真实物品和一个负例真实物品，每个伪造物品对包括一个所述正例伪造物品和一个所述负例伪造物品；所述设备根据所述判别模型的损失函数更新所述生成模型。采用本申请实施例，能够提高生成模型的生成能力和判别模型的判别能力。
-
公开(公告)号：CN109993627A
公开(公告)日：2019-07-09
申请号：CN201910152707.7
申请日：2019-02-28
Applicant: 华为技术有限公司
IPC: G06Q30/06
Abstract: 本申请涉及一种推荐方法、推荐模型的训练方法、装置和存储介质，具体包括：当用户对操作对象没有直接操作行为数据时，将用户对操作对象的伪操作行为数据作为训练样本进行推荐模型训练来获取推荐模型，并基于所获取的推荐模型来确定向用户推荐的待推荐对象。本申请可以利用用户社交信息来补充训练样本数据，增加用于训练推荐模型的训练样本数据的数据量，从而有效提高了据此训练得到的对象推荐模型的预测准确率，进而提高了在使用该对象推荐模型进行对象推荐时的准确度。本申请可应用于人工智能(AI)中的智能推荐领域，通过优化对象推荐模型的预测准确率来实现更贴近用户需求的对象推荐，可以有效提高对象推荐的准确度。
-
公开(公告)号：CN109902708A
公开(公告)日：2019-06-18
申请号：CN201811653380.3
申请日：2018-12-29
Applicant: 华为技术有限公司
IPC: G06K9/62 , G06F16/735 , G06F16/78
Abstract: 本发明实施例提供一种推荐模型训练方法及相关装置，该方法包括：选取样本集内的正样本添加到所述训练集中；其中，所述样本集中包括正样本和负样本，每个样本由n个样本特征组成，其中n≥1，每个样本的样本特征中包含用于表征所述样本为正样本还是负样本的特征；对所述样本集内的每个多个负样本采用预设算法计算采样概率；根据所述采样概率从所述样本集中选择负样本加入到所述训练集；对所述训练集中的样本进行训练以获得推荐模型。采用本发明实施例应用于人工智能(AI)领域进行模型训练，能够提升模型的性能。
-
公开(公告)号：CN109902222A
公开(公告)日：2019-06-18
申请号：CN201811458570.X
申请日：2018-11-30
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06K9/62
Abstract: 本申请涉及计算机技术领域，公开了一种推荐方法及装置，其中方法包括：根据用户针对目标对象的待预测数据和预设编码规则生成特征序列，进而获取特征序列中各特征对应的概率分布信息，并分别计算得到各特征对应的特征向量；以及根据N个特征的取值和N个特征分别对应的特征向量，得到用户针对目标对象的预测分值；在预测分值大于或等于预设阈值时，向用户推荐目标对象。本申请实施例中，由于各特征对应的特征向量是根据各特征对应的概率分布信息得到的，从而使得各特征对应的特征向量较为准确，预测结果也较为准确，相比于直接使用点估计确定特征向量来说，本发明实施例中的预测结果更符合现实情况。
-
公开(公告)号：CN109902706B
公开(公告)日：2023-08-22
申请号：CN201811337589.9
申请日：2018-11-09
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了人工智能领域的一种智能推荐方法，包括：根据多个过往历史推荐对象和用户针对每个历史推荐对象的行为，如点击次数，下载次数等，获取推荐系统状态参数；并将待推荐对象划分为多级集合，各级集合之间为从属关系，每个集合对应一个选择策略，根据该推荐系统状态参数和集合的选择策略确定目标待推荐对象。本发明的推荐方法适用于各种推荐相关的应用场景，如APP应用市场的APP推荐，音/视频网站的音/视频推荐，资讯平台的资讯推荐等。采用本发明实施例有利于提高推荐效率和准确率。
-
Patent Agency Ranking
公开(公告)号：CN109902708B
公开(公告)日：2022-05-10
申请号：CN201811653380.3
申请日：2018-12-29
Applicant: 华为技术有限公司
IPC: G06K9/62 , G06F16/735 , G06F16/78
Abstract: 本发明实施例提供一种推荐模型训练方法及相关装置，该方法包括：选取样本集内的正样本添加到所述训练集中；其中，所述样本集中包括正样本和负样本，每个样本由n个样本特征组成，其中n≥1，每个样本的样本特征中包含用于表征所述样本为正样本还是负样本的特征；对所述样本集内的每个多个负样本采用预设算法计算采样概率；根据所述采样概率从所述样本集中选择负样本加入到所述训练集；对所述训练集中的样本进行训练以获得推荐模型。采用本发明实施例应用于人工智能(AI)领域进行模型训练，能够提升模型的性能。
-
公开(公告)号：CN109902823A
公开(公告)日：2019-06-18
申请号：CN201811654623.5
申请日：2018-12-29
Abstract: 本申请实施例提供一种基于生成对抗网络的模型训练方法及设备，该方法包括：设备通过生成模型为第一用户生成正例伪造物品和负例伪造物品；所述设备训练多个真实物品对和多个伪造物品对以得到判别模型，所述判别模型用于分辨所述多个真实物品对与所述多个伪造物品对之间的差异；每个真实物品对包括一个正例真实物品和一个负例真实物品，每个伪造物品对包括一个所述正例伪造物品和一个所述负例伪造物品；所述设备根据所述判别模型的损失函数更新所述生成模型。采用本申请实施例，能够提高生成模型的生成能力和判别模型的判别能力。
-
公开(公告)号：CN110008397B
公开(公告)日：2022-05-31
申请号：CN201910009471.1
申请日：2019-01-04
Applicant: 华为技术有限公司
IPC: G06F16/9535
Abstract: 本申请提供了一种推荐模型的训练方法，该方法包括：使用单类域感知低秩模型对所述训练样本集进行训练，以获得模型参数矩阵，用于生成推荐模型。本申请的方案可以应用于人工智能的推荐领域，本申请中所的单类域感知低秩模型可以引入多种域特征以及正负样本，由此能够在训练的过程中考虑更多的用户选择相关的因素和用户相关的负例信息，由此生成性能更优秀的推荐模型，推荐结果更符合用户需求。此外，本申请对于模型训练的具体训练方式能够大大简化模型训练的复杂度，从而提升了模型训练的效率，也使得更多信息的引入成为可能。
-
公开(公告)号：CN109902222B
公开(公告)日：2022-05-13
申请号：CN201811458570.X
申请日：2018-11-30
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06K9/62
Abstract: 本申请涉及计算机技术领域，公开了一种推荐方法及装置，其中方法包括：根据用户针对目标对象的待预测数据和预设编码规则生成特征序列，进而获取特征序列中各特征对应的概率分布信息，并分别计算得到各特征对应的特征向量；以及根据N个特征的取值和N个特征分别对应的特征向量，得到用户针对目标对象的预测分值；在预测分值大于或等于预设阈值时，向用户推荐目标对象。本申请实施例中，由于各特征对应的特征向量是根据各特征对应的概率分布信息得到的，从而使得各特征对应的特征向量较为准确，预测结果也较为准确，相比于直接使用点估计确定特征向量来说，本发明实施例中的预测结果更符合现实情况。
-
公开(公告)号：CN109993627B
公开(公告)日：2021-09-07
申请号：CN201910152707.7
申请日：2019-02-28
Applicant: 华为技术有限公司
IPC: G06Q30/06
Abstract: 本申请涉及一种推荐方法、推荐模型的训练方法、装置和存储介质，具体包括：当用户对操作对象没有直接操作行为数据时，将用户对操作对象的伪操作行为数据作为训练样本进行推荐模型训练来获取推荐模型，并基于所获取的推荐模型来确定向用户推荐的待推荐对象。本申请可以利用用户社交信息来补充训练样本数据，增加用于训练推荐模型的训练样本数据的数据量，从而有效提高了据此训练得到的对象推荐模型的预测准确率，进而提高了在使用该对象推荐模型进行对象推荐时的准确度。本申请可应用于人工智能(AI)中的智能推荐领域，通过优化对象推荐模型的预测准确率来实现更贴近用户需求的对象推荐，可以有效提高对象推荐的准确度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
