百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网! [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有!
全国服务热线 13310018778

栏目导航

最新技术
应用于数字化社交的大数据话题推送方法及服务器
本申请的应用于数字化社交的大数据话题推送方法及服务器,能够对数字化社交话题客户端所上传互动会话主题倾向进行实时检测,这样可以通过对数字化社交话题客户端的互动会话主题倾向的更新变化进行分析,以适应性更改话题分治推送方式,从而基于最新的话题分治推送方式对待处理大数据话题进行话题推送优化,这样能够确保得到的话题推送优化结果尽量地满足用户的可调主题倾向,由于话题推送优化结果是基于分治思想得到的,因此能够避免会话时段和会话场景对话题推送优化结果的推送状态的影响。通过不同的分治推送优化方式进行话题推送优化,还可以提高推送结果的针对性,进一步增加推送结果所包含的话题内容的丰富程度。
基于人工智能的大数据热点话题处理方法及话题服务器
本申请实施例公开了一种基于人工智能的大数据热点话题处理方法及话题服务器,该方法包括:基于所述在线模板话题处理设备以及所述在线目标话题处理设备,在不同的会话互动环境下分别对目标热点主题进行会话互动分析,以获得与所述目标热点主题对应的热点跟踪偏好话题;根据所述热点跟踪偏好话题确定方式优化条件,通过方式修改引导信息对热点主题追踪方式进行优化,由于在进行热点主题追踪方式优化时考虑了热点跟踪状态下会话偏好话题对应的最新会话偏好,因而能够确保热点主题追踪方式优化的效率和准确性,从而确保在通过热点主题追踪方式对待追踪热点主题进行不间断追踪之后能够匹配实际的热点话题跟踪定位场景下的会话偏好。
一种基于混合注意力网络的群组推荐方法
本发明是一种基于混合注意力网络的群组推荐模型,包括:利用图注意力网络提取用户和项目的交互信息,获得用户和项目结构化的特征表示;利用序列注意力网络中的全局和局部注意力单元对用户-用户以及用户-项目的交互关系共同建模得到群组的特征表示;利用神经协同过滤得到群组对项目的预测评分以及用户对项目的预测评分,并通过对两个预测目标进行联合优化以更新模型的参数。本发明通过利用由图注意力网络和序列注意力网络组成的混合注意力网络,对群组-用户-项目存在的多种交互关系以及组内用户全局和局部注意力权重进行了细粒度的分析,提取到了具备鲁棒性和自适应性的群组、用户以及项目的潜在特征,提高了群组推荐的准确性和可解释性。
基于信任度与遗忘函数的个性化产品服务方案推荐方法
本发明公开了一种基于信任度与遗忘函数的个性化产品服务方案推荐方法,涉及个性化推荐技术领域,根据历史数据分别计算用户间与方案间的偏好相似度和评分相似度。其次,充分考虑系统内用户间的相互关系、方案间的相互关系,以及时间对用户偏好的影响,分别在偏好相似度计算和评分相似度计算过程中引入信任权重和时间权重,并将用户间与方案间的偏好相似度与评分相似度进行组合,以找出具有最高相似性的近邻。然后,利用最近邻居集预测目标用户对相应方案所缺失的评分。最后,根据预测评分选取最优方案推荐给用户。本发明方法使得在对目标用户进行推荐方案的预测时可以降低数据稀疏性和冷启动的影响,提高了推荐精度。
一种基于门机制的序列社交推荐方法、系统及存储介质
本发明涉及一种基于门机制的序列社交推荐方法、系统及存储介质,方法包括:将用户与朋友原始消费数据划分序列,初始化得到用户序列数据和朋友序列数据;基于选择门机制的GRU神经网络得到用户和朋友的当前兴趣;基于选择门机制的网络拼接得到朋友的短期兴趣,将朋友的商品数据进行初始化得到朋友的长期兴趣,将朋友的短期兴趣与朋友的长期兴趣拼接得到朋友的最终兴趣;基于图注意力的神经网络得到朋友影响,将朋友影响与所述用户的当前兴趣拼接得到用户的最终兴趣;计算不同商品的概率分布,根据所述概率分布进行模型训练,根据训练模型向用户推荐商品信息;通过选择门机制可以更准确学习用户的兴趣,使推荐系统的推荐性能得到进一步提高。
基于去中心化图神经网络的社交推荐方法
本发明公开了一种基于去中心化图神经网络的社交推荐方法,包括:利用统计信息将原始交互图处理为去中心化图,所述中心化图中包含了去中心化的用户-物品交互图与物品-用户交互图、以及用户之间的社交关系强度;通过GNN协同过滤模型,利用去中心化的用户-物品交互图与物品-用户交互图各自进行用户建模与物品建模,以及利用用户之间的社交关系强度进行社交建模,并利用建模获得的用户的表示向量、物品的表示向量及用户的社交用户表示向量集合,预测用户对物品的评分;根据用户对物品的评分大小,生成物品的推荐列表。该方法可以为目标用户提供更加优质、准确的个性化推荐物品。
一种基于隐私保护的多社交平台用户推荐方法和系统
本发明公开一种基于隐私保护的多社交平台用户推荐方法和系统,所述方法包括:各参与方客户端本地整合初始数据,并获取由服务端初始化后的训练模型和密钥;各参与方客户端基于自身设定的目标精度,对训练模型进行训练,并将训练参数加密后发送至服务端;各参与方客户端基于所有参与方客户端训练参数的聚合结果对训练模型进行更新,并计算更新后的训练模型是否达到自身设定的目标精度,未达到,则重复执行上一步,达到,则执行下一步;各参与方客户端利用训练后的模型更新自身平台内所有社交用户的标签向量,并对标签向量相似的社交用户进行相互推荐。本发明能够有效提高各平台的用户推荐准确率,并保护了各个平台的用户数据隐私。
一种资源推荐方法、装置、电子设备及存储介质
本申请公开了一种资源推荐方法、装置、电子设备及存储介质。其中,资源推荐方法包括:基于至少一个用户中每个用户的第二用户特征更新对应用户的第一用户特征。第一用户特征表征第一时刻确定出的用户特征,第二用户特征表征在第一时刻之后的第二时刻确定出的用户特征。基于更新后的至少一个用户中的每个用户对应的第一用户特征,对至少一个用户进行聚类,得到每个用户对应的类别。基于每个用户对应的类别,为每个用户推荐对应的资源。
信息推送方法、系统、介质和电子设备
本发明提出一种信息推送方法、系统、介质和电子设备,在所述信息推送方法中,根据信息投放方的目标位置和用户的活动轨迹参数获取第一推送因子,根据信息访问参数获取第二推送因子,结合第一推送因子和第二推送因子,确定是否向用户推送信息投放方的信息,既通过活动轨迹参数考量了用户是否在空间地理位置上属于信息投放方的投放目标,又通过信息访问参数考量了用户是否对信息投放方的投放信息感兴趣,综合考量了客观地理位置条件和用户的主观访问意愿,双管齐下,高效精准地对潜在客户进行了筛选,从而提高了信息推送效率和交易促成率,避免了资源的浪费。
保险推荐方法、系统、设备及介质
本发明中一种保险推荐方法、系统、设备及介质,该方法通过获取历史用户特征信息及历史购买保险信息,并对历史用户特征信息进行分组得到若干个历史用户小组,将各个历史用户小组内的数据转化为历史坐标信息组,获取新增用户特征信息,并将其转化为新增坐标信息组,通过确定新增坐标信息组放置于不同的历史用户小组中所得到的组内平均距离和组外最小平均距离,进而得到多个复用系数,进而进行保险推荐,可以解决相关技术中针对保险产品的推荐需要依赖人工进行产品推荐,影响工作效率,造成时间、等资源的浪费,达到了提升工作效率、减少时间等资源的浪费,同时也可以提高保险推荐的客观性,提升客户满意度。