-
公开(公告)号:CN105516337B
公开(公告)日:2018-07-13
申请号:CN201511008567.4
申请日:2015-12-28
Applicant: 南京大学金陵学院
IPC: H04L29/08
Abstract: 本发明公开了一种基于动态加载机制的web站点对接解析方法,能对外提供支持实时更新操作的动态解析服务,包括以下步骤:提供服务器对外服务接口和支撑脚本解析;提供解析脚本的检索服务;提供解析脚本的维护;利用动态配置爬虫脚本抓获数据;在上述步骤被加载后即能通过开启服务器对外提供实时解析服务。本发明支持对同一类的多个web站点进行对接,能保证在系统服务不中断的情况下用过配置和调用最新的解析脚本得到正确的解析结果。
-
公开(公告)号:CN105516337A
公开(公告)日:2016-04-20
申请号:CN201511008567.4
申请日:2015-12-28
Applicant: 南京大学金陵学院
IPC: H04L29/08
CPC classification number: H04L67/02
Abstract: 本发明公开了一种基于动态加载机制的web站点对接解析方法,能对外提供支持实时更新操作的动态解析服务,包括以下步骤:提供服务器对外服务接口和支撑脚本解析;提供解析脚本的检索服务;提供解析脚本的维护;利用动态配置爬虫脚本抓获数据;在上述步骤被加载后即能通过开启服务器对外提供实时解析服务。本发明支持对同一类的多个web站点进行对接,能保证在系统服务不中断的情况下用过配置和调用最新的解析脚本得到正确的解析结果。
-
公开(公告)号:CN117350812A
公开(公告)日:2024-01-05
申请号:CN202311337786.1
申请日:2023-10-17
Applicant: 南京大学
IPC: G06Q30/0601 , G06N3/0455 , G06N3/084 , G06N3/092 , G06N3/096 , G06F18/214 , G06F18/25
Abstract: 本发明公开一种基于对比学习和有模型强化学习的多模态商品推荐系统。首先,获取推荐系统中的商品图像、文字和标签的多模态数据,以及已经收集的用户行为数据,通过以对比学习为主的无监督学习方法构建商品特征;接着,利用构建好的商品特征以及用户行为数据构建用户特征作为状态,定义推荐商品为动作以及用户反馈为环境奖赏,训练离线强化学习模型;最后,将该模型作为预训练模型,部署到真实场景,当系统收集到新的用户行为数据时,及时更新模型。本发明利用强化学习的框架,应用对比学习多模态任务,综合大量商品与用户购物信息,构建了用户与推荐系统交互的马尔可夫过程,提升了推荐系统的精准性。
-
-