公开(公告)号：CN103425638A

公开(公告)日：2013-12-04

申请号：CN201310389092.2

申请日：2013-08-30

Applicant: 清华大学

Inventor： 沈世奇 ,  刘洋 ,  孙茂松

IPC: G06F17/27 ,  G06F17/28 ,  G06F17/30

Abstract: 本发明公开了一种词语对齐方法及装置，属于机器翻译技术领域，所述方法包括如下步骤A、选取不同的词语对齐特征分别建立判别式子模型一和判别式子模型二；B、搜索词语对齐空间，分别获得上述两个判别式子模型的最优对齐中间结果；C、利用对偶分解算法融合上述判别式子模型一和判别式子模型二的最优对齐中间结果，获得最终词语对齐结果，所述装置为与方法对应的虚拟模块。本发明所提出的词语对齐方法和装置，克服了现有技术中词语搜索错误严重，对齐准确率低的问题，能够高效准确地完成词语对齐，具有良好的实用性。

公开(公告)号：CN119273416A

公开(公告)日：2025-01-07

申请号：CN202310827206.0

申请日：2023-07-06

Applicant: 腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 朱文武 ,  沈世奇 ,  沈光耀 ,  龚治 ,  张泽阳 ,  王鑫

IPC: G06Q30/0601 ,  G06N3/0985

Abstract: 本申请提供一种信息推荐方法、装置、电子设备、存储介质及程序产品，涉及人工智能、机器学习技术领域。方法包括：在基于第一训练集迭代训练初始网络模型时，通过先基于初始的元学习器得到各第一样本的第一特征向量，并获取预测网络基于第一特征向量进行预测的第一损失；然后基于第一损失对第一特征向量进行调整，继续获取预测网络基于调整后的第二特征向量进行预测的第二损失。由于第一损失是基于没有对象与物品交互数据的情况下进行预测对应的冷启动的损失；而第二特征向量表征有物品对象间交互的信息，此时从冷启动达到热启动。通过结合第一损失和第二损失对元学习器在线学习，可提高元学习器提取物品特征的准确性；提高信息推荐的准确性。

公开(公告)号：CN106066851A

公开(公告)日：2016-11-02

申请号：CN201610393603.1

申请日：2016-06-06

Applicant: 清华大学

Inventor： 沈世奇 ,  刘洋 ,  孙茂松

IPC: G06F17/28

Abstract: 本发明涉及一种考虑评价指标的神经网络训练方法及装置。所述方法包括：采用极大似然估计方法对神经网络翻译模型以获取该神经网络翻译模型的初始模型；根据评价指标定义新的目标函数，用于训练所述初始模型以得到最终的模型参数；利用训练得到的神经网络翻译模型对测试样例进行翻译。本发明提供的装置基于上文所述的神经网络训练方法实现。本发明能够有效的训练神经网络翻译模型，获取更好的翻译效果。