一种基于多任务学习的多目标推荐方法及系统

    公开(公告)号:CN112905648B

    公开(公告)日:2022-09-20

    申请号:CN202110157059.1

    申请日:2021-02-04

    Abstract: 一种基于多任务学习的多目标推荐系统,包括用户多种行为序列获取模块、权重生成模块、GRU网络共享模块、SNR子网络路由模块、特征提取模块和多目标预测模块;一种基于多任务学习的多目标推荐方法,包括如下操作步骤:(1)根据用户与交互对象的交互行为,构建构造用户行为序列样本集合;(2)使用用户行为序列样本集合对系统进行训练;(3)保存训练好的系统最优模型,并通过系统最优模型计算并保存相关数据的最优值;(4)模型预测;(5)将得分最高的待推荐对象推荐至用户。

    基于检索的多轮对话系统和方法

    公开(公告)号:CN115017286A

    公开(公告)日:2022-09-06

    申请号:CN202210649202.3

    申请日:2022-06-09

    Abstract: 基于检索的多轮对话系统,包括如下模块:表示模块、匹配模块、聚合模块和预测模块;基于检索的多轮对话方法,包括下列操作步骤:(1)表示模块将每一轮次的对话转化为对话的级联向量,将候选答案转化为候选答案的级联向量;(2)匹配模块基于全局注意力机制,动态吸收上下文信息,计算得到匹配向量;(3)聚合模块处理得到短期依赖信息序列和长期依赖信息序列;(4)预测模块计算参与匹配的上下文环境和候选答案的匹配分数;(5)选择匹配分数最高的候选答案作为正确答案。

    一种广告点击率预估系统和方法
    115.
    发明公开

    公开(公告)号:CN114677173A

    公开(公告)日:2022-06-28

    申请号:CN202210293313.5

    申请日:2022-03-23

    Abstract: 一种广告点击率预估系统,包括如下模块:特征嵌入模块、权重分配模块和网络集成模块;一种广告点击率预估方法,所述方法包括下列操作步骤:(1)将输入特征ID号输入到特征嵌入模块,得到嵌入特征;(2)将得到的嵌入特征输入到权重分配模块,得到每个嵌入特征对应的权重值;(3)把加权后的嵌入特征输入到网络集成模块,得到广告点击概率值;本发明的系统和方法解决了广告点击率预估结果不稳定的问题,同时在评价结果上也优于目前的方法,有利于离线评估和线上部署。

    用于人体动作识别的特征提取系统和方法

    公开(公告)号:CN113887516A

    公开(公告)日:2022-01-04

    申请号:CN202111269611.2

    申请日:2021-10-29

    Abstract: 用于人体动作识别的特征提取系统,包括如下功能模块:数据扩增模块、动作编码模块、前置任务模块:该模块由空间前置任务子模块和时间前置任务子模块构成和对比学习模块;用于人体动作识别的特征提取方法,包括如下操作步骤:(1)模型训练步骤;(2)特征提取步骤;本发明将前置学习功能和对比学习功能有机结合,使系统能够从未标注的人体骨架序列中,充分提取人体动作特征,并且保留了细粒度时空信息,提高了后续人体动作识别的准确率。

    基于视觉实现手势识别的系统和方法

    公开(公告)号:CN110569817B

    公开(公告)日:2021-11-02

    申请号:CN201910865437.4

    申请日:2019-09-12

    Abstract: 基于视觉实现手势识别的系统,包括如下模块:手部检测模块、手部姿态估计模块和手部姿态估计模块;基于视觉实现手势识别的方法,包括下列操作步骤:(1)将对齐的RGB图片输入到手部检测模块中,得到手的边界框;(2)手部姿态估计模块截取深度图中对应的手的部分,得到手部关键关节点的3D坐标;(3)将所述手部关键关节点的3D坐标输入到手势识别模块,得到数字手势编码;(4)根据数字手势编码,对手势进行相似度度量,从而实现手势识别;本发明的系统和方法具有良好的准确率、实时性和鲁棒性。

    基于计算机视觉和深度学习的数字式电表读数识别方法

    公开(公告)号:CN109344820B

    公开(公告)日:2021-09-17

    申请号:CN201810884093.7

    申请日:2018-08-06

    Abstract: 基于计算机视觉和深度学习的数字式电表读数识别方法,包括下列操作步骤:(1)电表图像预处理过程,包括倾斜矫正、鱼眼矫正和统一图像大小;(2)数字区域检测过程,通过预先训练好的深度神经网络进行数字区域检测;(3)读数识别过程,对数字区域进行分割,并将分割后获得的图像统一分辨率,通过预先训练好的深度神经网络进行识别;本发明方法实现了对数字式电表读数的快速准确读取,实现了电表的自动抄表,省时省力。

    一种基于多任务学习的多目标推荐方法及系统

    公开(公告)号:CN112905648A

    公开(公告)日:2021-06-04

    申请号:CN202110157059.1

    申请日:2021-02-04

    Abstract: 一种基于多任务学习的多目标推荐系统,包括用户多种行为序列获取模块、权重生成模块、GRU网络共享模块、SNR子网络路由模块、特征提取模块和多目标预测模块;一种基于多任务学习的多目标推荐方法,包括如下操作步骤:(1)根据用户与交互对象的交互行为,构建构造用户行为序列样本集合;(2)使用用户行为序列样本集合对系统进行训练;(3)保存训练好的系统最优模型,并通过系统最优模型计算并保存相关数据的最优值;(4)模型预测;(5)将得分最高的待推荐对象推荐至用户。

Patent Agency Ranking