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
虚拟商品推荐方法、装置、设备和存储介质
本发明公开了一种虚拟商品推荐方法,包括:获取用户的用户消费数据及游戏时长数据;根据所述游戏时长数据确定用户的游戏生涯等级;根据所述游戏生涯等级获取所述用户消费数据的价值分析策略;根据所述价值分析策略对对应的用户消费数据进行价值分析,得到用户价值类型;基于所述用户价值类型及用户画像获取对应的推荐商品,并在显示界面上显示所述推荐商品。本发明还公开一种虚拟商品推荐装置、一种虚拟商品推荐设备和一种计算机可读存储介质。采用本发明实施例,能够根据用户的游戏生涯等级来实现用户价值的分类,从而根据用户价值类型推荐虚拟商品,使得虚拟商品的推荐更加符合用户的消费习惯。
结合用户偏好的个性化视频推荐方法
本发明公开了一种结合用户偏好的个性化视频推荐方法,涉及视频推荐技术领域。该方法包括将焦点所在的视频图标记为第一图标,将与第一图标对应的视频记为第一视频,在第一图标经由焦点被选中的情况下,则将当前界面记为原界面,并自原界面跳转至与第一视频相关的界面,第一视频关联有推荐视频库,推荐视频库内的任意推荐视频与第一视频至少有一个特征要素相同;在退出与第一视频相关的界面的情况下,则生成弹出指令;响应弹出指令跳转至原界面,且焦点停留于第一图标,并弹出推荐框,推荐视频的相关内容配合展示于推荐框内。本发明不仅可以使得用户通过推荐框获知推荐视频,还具有操作简单且所耗时间短的优点,从而提高用户体验。
基于多维度分析的视频推荐方法
本发明公开了一种基于多维度分析的视频推荐方法,用于解决相关技术中为获知与当前视频相类似的视频的方式操作繁琐且所耗时间长的问题。该方法包括将焦点所在的视频图标记为第一图标,将与第一图标对应的视频记为第一视频,第一视频关联有推荐视频库,推荐视频库内的任意推荐视频与第一视频至少有一个特征要素相同;判断焦点在第一图标的停留时长是否超过停留预设值,若是,则则生成二次判断指令;响应二次判断指令判断第一视频的观看次数是否超过次数预设值,若是,则弹出推荐框,推荐视频的相关内容配合展示于推荐框内。本发明不仅可以使得用户通过推荐框获知推荐视频,还具有操作简单且所耗时间短的优点,从而提高用户体验。
一种IOS消息推送方法及系统
本发明提供一种IOS消息推送方法及系统,该方法包括:将用户注册的设备信息和用户信息存储至节点服务器后,中心服务器获取设备信息和用户信息生成唯一标识码,将唯一标识码添加至预推送消息;为预推送消息添加时间戳,将所有预推送消息存放至消息队列,节点服务器实时从消息队列中取出预推送消息,解析并验证预推送消息中唯一标识码;节点服务器根据唯一标识码,调用APNS服务通过长连接将预推送消息发送至对应的用户设备。通过该方案可以减轻服务器负载,提高消息推送效率,并减少海量消息的推送时延。
一种避免内容重复推荐的系统及方法
本发明实施例提供一种避免内容重复推荐的系统,包括:服务端、至少一个客户端,所述客户端由至少一个使用者使用;所述服务端包含通信装置和存储器,所述存储器用于存储至少一个待推荐内容,所述通信装置用于向所述客户端发送所述待推荐内容;所述客户端包括第一缓存、第二缓存和处理器,所述第一缓存用于接收所述待推荐内容,所述第二缓存用于记录历史推荐内容,所述处理器用于将所述待推荐内容与所述历史推荐内容进行匹配,并对不属于所述历史推荐内容的所述待推荐内容执行推荐操作。本发明实施例通过将待推荐内容与历史推荐内容进行匹配,并对不属于历史推荐内容的待推荐内容执行推荐操作,从而避免内容重复推荐,影响用户的用户体验。
一种小区动态内容推荐方法、系统、智能终端及服务器
本发明提供一种小区动态内容推荐方法、系统、智能终端及服务器,该方法包括:采集用户基本信息,并监测用户连续操作行为,基于用户操作行为及浏览记录,云端构建用户画像,所述用户画像中包括用户基本信息和内容信息;将用户画像与数据库中预推荐内容进行匹配计算,选取预定数量匹配度排名靠前的内容进行小区动态内容推荐。通过该方案可以保障推荐内容的准确性,减少不同用户使用的影响。
模型训练方法及相关系统、存储介质
本申请实施例提供一种模型训练方法及相关系统、存储介质。其应用于人工智能方面,该方法包括:根据M个模型P-(i-2)’中每个模型在第i-1个训练阶段中每次训练流程得到的模型性能得分、M个模型P-(i-2)’中每个模型在所述第i-1个训练阶段中的超参数、第i个训练阶段的训练流程次数T-i确定参考超参数,根据M个模型P-(i-1)的模型性能得分和参考超参数确定M个模型P-(i-1)’中每个模型在第i个训练阶段中的超参数;在第i个训练阶段中,根据M个模型P-(i-1)’中每个模型的超参数对每个模型进行T-i次训练流程,得到M个模型P-i;当第i个训练阶段为最后一个训练阶段时,从M个模型P-i中确定出目标模型。本方案可提高模型计算效率。
一种基于残差网络的序列推荐方法、系统及存储介质
本发明涉及一种基于残差网络的序列推荐方法、系统及存储介质,方法包括:通过网络获取用户的原始消费数据,将原始消费数据划分序列得到序列段,将所述序列段初始化,得到序列数据;基于GRU神经网络和残差网络,对所述序列数据进行输出处理,将输出的隐藏状态作为用户的全局兴趣;根据商品级注意力机制对序列数据和所述隐藏状态计算得到用户的局部兴趣;将全局兴趣数据与局部兴趣拼接得到最终兴趣;通过最终兴趣计算用户下一次交互商品的概率分布,根据概率分布进行模型训练,预测用户的下一次交互行为,向用户推荐商品信息。将序列数据输入带残差结构的GRU神经网络,可以准确学习用户的消费行为,实现精准的推荐效果。
自动信息检索
本公开涉及自动信息检索。本公开提供了例如由搜索引擎进行自动信息检索的方法,包括编码在计算机存储介质上的计算机程序,所述自动信息检索包括为原生应用数据建立索引。在一个方面中,方法包括:由搜索引擎从移动装置接收由所述移动装置上的原生应用生成的数据集合,所述数据集合包括:(i)识别所述原生应用的数据;(ii)查看内容的表示;(iii)到所述查看内容的链接,所述链接在被选择时在所述原生应用中启动所述查看内容;由所述搜索引擎将(i)识别所述原生应用的所述数据和(ii)到所述查看内容的所述链接与所述查看内容相关联地存储;以及使用所存储的数据集合来生成搜索结果,所述搜索结果(i)参考所述查看内容。
一种基于注意力机制的图神经协同过滤方法
本发明公开了一种基于注意力机制的图神经协同过滤方法,首先对用户和物品的历史交互数据进行矩阵分解得到两个矩阵,分别表示用户和物品的初始特征向量矩阵;其次根据初始特征向量获取图中各相邻节点之间的相关系数矩阵,并融合社交图构建拉普拉斯矩阵;然后将用户和物品的初始特征向量与构建的拉普拉斯矩阵进行图卷积获得多层邻居节点信息;最后将获得的多层潜在特征向量进行非线性融合,来提升向量来提升模型的推荐效果。本模型解决了初始特征向量随机化和图卷积过程中无差异化问题,提升了实验模型的学习速率并具有可解释性。我们在两个公共数据集上进行了实验,结果显示我们的模型取得较好的效果。