数据处理方法及装置
    2.
    发明公开

    公开(公告)号:CN115270968A

    公开(公告)日:2022-11-01

    申请号:CN202210909816.0

    申请日:2022-07-29

    Abstract: 本说明书实施例提供数据处理方法及装置,该方法包括获取与目标项目对应的第一数据、第二数据、第一数据以及第二数据的初始数据标签;确定第一训练数据的第一数据特征和第二数据的第二数据特征;根据第一训练数据以及第二数据的初始数据标签、第一数据特征和第二数据特征,确定第二数据的目标数据标签;根据第二数据以及目标数据标签训练初始模型,并根据初始模型以及第一验证数据确定数据置信度;根据数据置信度从第二数据中确定目标数据,并将目标数据添加至第一数据对初始模型进行训练,获得目标模型。该方法通过强弱标签互补的协同训练方式进行模型训练,克服少量样本数据使用GNN浅层信息传播效率低及弱标签噪声干扰的问题。

    推荐模型训练方法、推荐方法以及装置

    公开(公告)号:CN114925279B

    公开(公告)日:2024-07-23

    申请号:CN202210635074.7

    申请日:2022-06-07

    Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置,其中推荐模型训练方法包括:获取若干个样本用户,若干个样本项目,以及样本用户与样本项目的交互信息;根据交互信息,从若干个样本用户中筛选出多交互样本用户以及少交互样本用户;利用多交互样本用户与样本项目的交互信息,计算多交互样本用户的嵌入编码以及样本项目的嵌入编码;确定少交互样本用户的嵌入编码;利用多交互样本用户的嵌入编码,样本项目的嵌入编码,以及少交互样本用户的嵌入编码,设置交互图的节点的特征信息,其中,交互图中以样本用户以及样本项目为节点,根据交互信息确定边;利用交互图训练基于图神经网络的初始推荐模型,获得训练后的推荐模型,提高模型准确性。

    推荐模型训练方法、推荐方法以及装置

    公开(公告)号:CN114925279A

    公开(公告)日:2022-08-19

    申请号:CN202210635074.7

    申请日:2022-06-07

    Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置,其中推荐模型训练方法包括:获取若干个样本用户,若干个样本项目,以及样本用户与样本项目的交互信息;根据交互信息,从若干个样本用户中筛选出多交互样本用户以及少交互样本用户;利用多交互样本用户与样本项目的交互信息,计算多交互样本用户的嵌入编码以及样本项目的嵌入编码;确定少交互样本用户的嵌入编码;利用多交互样本用户的嵌入编码,样本项目的嵌入编码,以及少交互样本用户的嵌入编码,设置交互图的节点的特征信息,其中,交互图中以样本用户以及样本项目为节点,根据交互信息确定边;利用交互图训练基于图神经网络的初始推荐模型,获得训练后的推荐模型,提高模型准确性。

Patent Agency Ranking