公开(公告)号：CN110019419A

公开(公告)日：2019-07-16

申请号：CN201810067258.1

申请日：2018-01-24

Applicant: 微软技术许可有限责任公司

Inventor： A·穆拉里达兰 ,  马一鸣 ,  F·劳迪斯 ,  甄毅

IPC: G06F16/2458

Abstract: 所公开的实施例提供了一种用于管理统计模型的执行的系统。在操作期间，系统跟踪与统计模型的第一版本的性能相关的一个或多个度量的分布。当检测到分布中的偏差时，系统输出统计模型性能异常警报。系统还会触发到统计模型的第二版本的回滚。

公开(公告)号：CN110321429A

公开(公告)日：2019-10-11

申请号：CN201910250730.X

申请日：2019-03-29

Applicant: 微软技术许可有限责任公司

Inventor： A·萨哈 ,  A·穆拉里达兰

IPC: G06F16/35 ,  G06F16/9535 ,  G06F17/27 ,  G06N3/04

Abstract: 计算机配置为改进内容推荐。例如，机器访问表示职位描述与成员简档之间的亲和度的第一得分。基于表示职位描述的第一嵌入以及表示成员简档的第二嵌入生成第一得分，并且第一嵌入包括标识与职位描述相关联的组织的特征。基于第一得分超过第一阈值，机器使得在用户接口中显示职位描述的推荐。该机器基于对职位描述的选择的指示，生成表示与该组织相关联的文章的第三嵌入。该机器生成表示成员简档-职位亲和度的第二得分，并且基于第二得分超过第二阈值，使得在用户接口中显示该文章的推荐。

公开(公告)号：CN110955840B

公开(公告)日：2023-10-27

申请号：CN201910904528.4

申请日：2019-09-24

Applicant: 微软技术许可有限责任公司

Inventor： S·查特吉 ,  A·穆拉里达兰 ,  V·古普塔 ,  王漪婕 ,  D·阿加瓦尔

IPC: G06F16/9536 ,  G06N20/10 ,  G06Q50/00

Abstract: 在示例性实施例中，机器学习模型被用于确定是否向用户发送针对推送对象的通知。该机器学习模型不仅基于通知将使用户与推送对象进行交互的可能性而被优化，而且还基于用户与所述推送对象进行交互的可能的短期和长期影响而被优化。该机器学习模型不仅考虑查看者的立即行动的概率(诸如点击推送对象)，而且还考虑长期影响的概率(诸如使查看者向网络贡献内容或者观看者的响应鼓励更多人为网络贡献内容的显示)。因此，所述机器学习模型不仅对通知交互性而且还对推送对象交互性进行优化。

公开(公告)号：CN110955840A

公开(公告)日：2020-04-03

申请号：CN201910904528.4

申请日：2019-09-24

Applicant: 微软技术许可有限责任公司

Inventor： S·查特吉 ,  A·穆拉里达兰 ,  V·古普塔 ,  王漪婕 ,  D·阿加瓦尔

IPC: G06F16/9536 ,  G06N20/10 ,  G06Q50/00

Abstract: 在示例性实施例中，机器学习模型被用于确定是否向用户发送针对推送对象的通知。该机器学习模型不仅基于通知将使用户与推送对象进行交互的可能性而被优化，而且还基于用户与所述推送对象进行交互的可能的短期和长期影响而被优化。该机器学习模型不仅考虑查看者的立即行动的概率(诸如点击推送对象)，而且还考虑长期影响的概率(诸如使查看者向网络贡献内容或者观看者的响应鼓励更多人为网络贡献内容的显示)。因此，所述机器学习模型不仅对通知交互性而且还对推送对象交互性进行优化。