-
公开(公告)号：CN116522007A
公开(公告)日：2023-08-01
申请号：CN202310814010.8
申请日：2023-07-05
Applicant: 中国科学技术大学
IPC: G06F16/9535 , G06N20/00 , G06F18/241
Abstract: 本发明公开了一种面向推荐系统模型的数据遗忘学习方法、装置及介质，该数据遗忘学习方法包括以下步骤：先得到推荐系统模型对于样本在训练数据集下的计算函数，其输出为对样本的预测，且该模型已经在训练数据集上训练到最优，通过该最优模型和影响函数估计，得到擦除不可用数据集后的模型。本发明不改变原始模型的训练架构、模型架构及部署方式，删除对于数据擦除不重要的模型参数，提升了基于影响函数擦除数据的准确度和擦除数据效率。
-
公开(公告)号：CN118897915A
公开(公告)日：2024-11-05
申请号：CN202411025752.3
申请日：2024-07-29
Applicant: 北京达佳互联信息技术有限公司 , 中国科学技术大学 , 北京中科研究院
IPC: G06F16/9535 , G06F16/435 , G06F18/214 , G06N20/00
Abstract: 本公开提供了一种多任务推荐模型的训练方法、资源推荐方法、装置及设备，属于计算机技术领域。方法包括：将样本训练数据输入多任务推荐模型进行训练，得到多个第一梯度；对多个第一梯度的幅度和方向分别进行调整，得到多个第二梯度，多个第二梯度与多个第一梯度一一对应，第二梯度的幅度与多个第一梯度中最大的幅度之间的差距不大于幅度阈值，多个第二梯度中任意两个第二梯度的方向之间的夹角均不大于90度；基于多个第二梯度的平均梯度，更新多任务推荐模型。该方法能够在梯度上实现幅度平衡和全局方向平衡，以解决多任务推荐模型训练过程中多个任务对应的梯度存在的幅度冲突和方向冲突，从而提高多任务推荐模型的准确度。
-
公开(公告)号：CN116522007B
公开(公告)日：2023-10-20
申请号：CN202310814010.8
申请日：2023-07-05
Applicant: 中国科学技术大学
IPC: G06F16/9535 , G06N20/00 , G06F18/241
Abstract: 本发明公开了一种面向推荐系统模型的数据遗忘学习方法、装置及介质，该数据遗忘学习方法包括以下步骤：先得到推荐系统模型对于样本在训练数据集下的计算函数，其输出为对样本的预测，且该模型已经在训练数据集上训练到最优，通过该最优模型和影响函数估计，得到擦除不可用数据集后的模型。本发明不改变原始模型的训练架构、模型架构及部署方式，删除对于数据擦除不重要的模型参数，提升了基于影响函数擦除数据的准确度和擦除数据效率。
-
-
Search Results
3
records
(took 0.02 seconds)
