公开(公告)号：CN110119474A

公开(公告)日：2019-08-13

申请号：CN201810470144.1

申请日：2018-05-16

Applicant: 华为技术有限公司

Inventor： 董振华 ,  原博文 ,  刘志容 ,  林智仁 ,  冯新华 ,  何秀强 ,  唐兴

IPC: G06F16/9535

Abstract: 本申请提供了推荐模型训练方法、基于推荐模型的预测方法及装置，该方法包括：获取至少一个样本数据，根据所述每一个样本数据的特征集合获取至少一个特征子集；根据每一个特征子集的属性来确定条件集合中每一个特征子集对应的条件；其中，条件集合包括至少两个条件，至少两个条件分别指示特征子集不同的属性，每一个特征子集的属性与每一个特征子集对应的条件所指示的属性一致；利用每一个特征子集以及每一个特征子集对应的标签，分别训练模型集合中每一个特征子集对应的条件所对应的推荐模型。实施本发明实施例有利于训练出更好的推荐模型，提高推荐内容的预测的准确性。

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

Inventor： 祝宏 ,  董振华 ,  张宇宙 ,  林智仁

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：CN110008397A

公开(公告)日：2019-07-12

申请号：CN201910009471.1

申请日：2019-01-04

Applicant: 华为技术有限公司

Inventor： 祝宏 ,  董振华 ,  张宇宙 ,  林智仁

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：CN110119474B

公开(公告)日：2022-10-18

申请号：CN201810470144.1

申请日：2018-05-16

Applicant: 华为技术有限公司

Inventor： 董振华 ,  原博文 ,  刘志容 ,  林智仁 ,  冯新华 ,  何秀强 ,  唐兴

IPC: G06F16/9535

Abstract: 本申请提供了推荐模型训练方法、基于推荐模型的预测方法及装置，该方法包括：获取至少一个样本数据，根据所述每一个样本数据的特征集合获取至少一个特征子集；根据每一个特征子集的属性来确定条件集合中每一个特征子集对应的条件；其中，条件集合包括至少两个条件，至少两个条件分别指示特征子集不同的属性，每一个特征子集的属性与每一个特征子集对应的条件所指示的属性一致；利用每一个特征子集以及每一个特征子集对应的标签，分别训练模型集合中每一个特征子集对应的条件所对应的推荐模型。实施本发明实施例有利于训练出更好的推荐模型，提高推荐内容的预测的准确性。