一种基于条件扩散模型的公平性推荐方法及系统

    公开(公告)号:CN117745371A

    公开(公告)日:2024-03-22

    申请号:CN202311055527.X

    申请日:2023-08-22

    Abstract: 本发明公开了一种基于条件扩散模型的公平性推荐方法,包括获取推荐系统的原始数据集,经筛选、编码、过滤,进行数据归一化处理后得到用户‑物品交互矩阵;将用户‑物品交互矩阵通过扩散模型处理得到初始的推荐矩阵,通过降低模型总损失函数值对扩散模型的参数进行训练,当模型总损失函数值降至最小值时扩散模型的参数收敛,由此时的模型参数优化扩散模型得到训练后的用户‑物品评分矩阵;根据训练后的用户‑物品评分矩阵中的物品评分进行排序,为用户推荐物品评分高的物品;本发明还提供了一种基于条件扩散模型的公平性推荐系统;本发明的优点在于实现了推荐效用并保证推荐的公平性,综合考虑了推荐的公平性,效用目标以及公平性目标。

    一种动态环境下的广告关键词分配方法

    公开(公告)号:CN116993420A

    公开(公告)日:2023-11-03

    申请号:CN202310889221.8

    申请日:2023-07-19

    Abstract: 本发明公开了一种动态环境下的广告关键词分配方法,特点是从待流量主决策分配的广告关键词组中随机选取一个广告关键词作为当前广告关键词;获取所有广告商对当前广告关键词的出价意愿,将当前广告关键词以及对应的出价意愿存入预设的关键词库中;对预构建的投放意愿模型进行初始化并计算,得到流量主将当前广告关键词分配给每个广告商的决策意愿;将决策意愿作为分配概率,流量主根据概率将当前广告关键词随机分配给对应的广告商;从获取的广告关键词组中随机选取一个未被分配的广告关键词作为当前广告关键词并重复上述步骤直至获取的广告关键词组中的所有广告关键词均已被分配,完成广告关键词分配;优点是实现了流量主的广告收入增值。

Patent Agency Ranking