-
公开(公告)号：CN118964721A
公开(公告)日：2024-11-15
申请号：CN202410891424.5
申请日：2024-07-04
Applicant: 天津大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9537 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种基于强化学习的动态反馈推荐方法及装置，方法包括：利用因果推理技术预训练用户行为模拟器，生成用户和物品完全交互的反事实用户‑物品二部图；加权聚合真实用户‑物品二部图和反事实用户‑物品二部图，使用Top‑K采样生成交互均衡的用户‑物品二部图；利用图卷积聚合物品的邻域用户信息，获得图结构增强的动作表征；利用门控循环单元和自注意力机制处理用户与推荐系统的交互序列，获得每个时间步的用户状态表征；根据动作表征和用户状态表征预测Q值，基于用户奖励反馈优化推荐模型的动作决策，最终实现对互联网信息的动态反馈推荐。装置包括：处理器和存储器。本发明利用因果推理和图卷积技术引入交互均衡的用户‑物品二部图信息，借助图结构关联丰富和增强智能体动作表征和用户状态表征。
-
公开(公告)号：CN110490164B
公开(公告)日：2022-05-24
申请号：CN201910791437.4
申请日：2019-08-26
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种生成虚拟表情的方法、装置、电子设备及存储介质，可以获取人脸图像；从人脸图像中，获取基础人物的嘴巴区域图像，和嘴巴关键点坐标；将嘴巴区域图像和嘴巴关键点坐标，输入到预先训练好的嘴巴分类神经网络模型；获取嘴巴分类神经网络模型输出的嘴巴类型；根据预设的嘴巴类型与各个虚拟嘴巴的对应关系，生成基础人物的虚拟嘴巴作为虚拟表情。可见，应用本公开实施例，可以识别出人脸图像基础人物的嘴巴类型，根据预设的嘴巴类型与各个虚拟嘴巴的对应关系，生成基础人物的虚拟嘴巴作为虚拟表情，无需像相关技术需要手动设置虚拟嘴巴，应用本公开实施例，简化了用户操作。
-
公开(公告)号：CN113869272A
公开(公告)日：2021-12-31
申请号：CN202111193177.4
申请日：2021-10-13
Applicant: 北京达佳互联信息技术有限公司
IPC: G06K9/00 , G06K9/62 , G06F16/783
Abstract: 本公开是关于一种基于特征提取模型的处理方法、装置、电子设备及存储介质，属于计算机技术领域。方法包括：获取样本检索信息的检索特征；基于特征提取模型，获取与样本检索信息关联的第一视频信息中第一文本信息的第一文本特征及第一视频资源的第一资源特征，将第一文本特征与第一资源特征进行融合，得到第一视频特征；基于特征提取模型，获取与样本检索信息不关联的第二视频信息中第二视频资源的第二资源特征，将第一文本特征与第二资源特征进行融合，得到第二视频特征；基于第一视频特征和第二视频特征分别与检索特征之间的匹配关系，对特征提取模型进行训练，提升了特征提取模型的准确性。
-
公开(公告)号：CN113469298A
公开(公告)日：2021-10-01
申请号：CN202111029187.4
申请日：2021-09-03
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种模型训练方法及资源推荐方法，属于机器学习技术领域。该模型训练方法包括从多媒体资源搜索日志中获取搜索词及其对应的用户关注的多媒体资源搜索结果；根据搜索词与多媒体资源之间的匹配关系，确定不同多媒体资源与相同搜索词相匹配的匹配结果，根据匹配结果确定不同多媒体资源之间的关联关系；根据关联关系，为多媒体资源搜索日志中获取的多个多媒体资源添加标签，得到多个多媒体资源样本；利用多个多媒体资源样本训练多媒体特征表征模型，直至多媒体特征表征模型收敛，得到经训练的多媒体特征表征模型。采用本公开提供的模型训练方法及资源推荐方法，至少解决现有模型训练成本高，且训练样本的数量有限的问题。
-
公开(公告)号：CN110222649A
公开(公告)日：2019-09-10
申请号：CN201910497450.9
申请日：2019-06-10
Applicant: 北京达佳互联信息技术有限公司
IPC: G06K9/00
Abstract: 本公开关于一种视频分类方法、装置、电子设备和存储介质。所述方法包括：对待分类视频内的多帧第一视频图像进行预测，得到每帧第一视频图像的预测标签和预测标签的出现概率，从而确定第一标签集合中的每种第一标签的出现次数和出现概率对应的预测准确率；根据每种第一标签的出现次数、出现概率和出现概率对应的预测准确率，确定待分类视频的特征向量；根据待分类视频的特征向量，确定待分类视频的分类标签。不仅使用了预测标签的出现次数、预测标签的出现概率，还结合了出现概率的准确率来进行视频分类，分类的粒度更细，分类的结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN108399373B
公开(公告)日：2019-05-10
申请号：CN201810118211.3
申请日：2018-02-06
Applicant: 北京达佳互联信息技术有限公司
Inventor： 李宣平
Abstract: 本发明实施例提供了人脸关键点的模型训练及其检测方法和装置，该模型训练方法包括：从训练图像中提取人脸数据；将所述人脸数据输入至所述第一级网络进行训练，所述第一级网络用于输出人脸关键点的预测坐标；当所述第一级网络训练完成时，在所述人脸数据中、基于所述预测坐标生成目标数据；将所述目标数据输入至所述第二级网络进行训练，所述第二级网络用于输出所述人脸关键点的坐标偏移值；当所述第二级网络训练完成时，确定所述级联网络为人脸关键点检测模型。通过两级网络学习预测坐标与坐标偏移值，在复杂场景下，依然可以得到精确的人脸关键点的坐标。
-
公开(公告)号：CN114817695A
公开(公告)日：2022-07-29
申请号：CN202110118341.9
申请日：2021-01-28
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F16/901 , G06F40/194 , G06F40/279 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本公开关于一种信息推荐方法、装置、电子设备及存储介质，该方法包括获取目标对象的目标搜索信息和目标行为信息；将目标搜索信息输入兴趣转移模型进行兴趣转移识别，得到目标对象的转移搜索信息集和转移搜索信息集中每个转移搜索信息的转移指标；将目标行为信息输入兴趣识别模型进行兴趣识别，得到目标对象的目标兴趣点；从基于多种类目下的兴趣点与对应的关联搜索信息构建的预设兴趣树中确定目标兴趣点对应的目标关联搜索信息；基于目标关联搜索信息和转移指标对转移搜索信息集进行搜索信息过滤，得到目标转移搜索信息；基于目标搜索信息和目标转移搜索信息向目标对象进行信息推荐。利用本公开实施例可以提升召回的推荐信息的精准性和有效性。
-
公开(公告)号：CN114238782A
公开(公告)日：2022-03-25
申请号：CN202111529143.8
申请日：2021-12-14
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/9536 , G06F16/906
Abstract: 本公开关于一种数据处理方法、装置、服务器及计算机可读存储介质，其中，上述数据处理方法包括：获取目标对象的搜索信息，其中，搜索信息包括至少一个搜索文本以及至少一个搜索文本对应的时间标识；基于时间标识对搜索信息进行聚类，得到第一序列，其中，第一序列由多个元素组成，每个元素包括至少一个搜索文本；获取多个元素中相邻元素之间的关联度，其中，多个元素按照预设的时间顺序排序；对关联度满足预设条件的相邻元素进行连接，得到目标元素；基于目标元素对第一序列进行更新，得到搜索序列，其中，搜索序列用于指示目标对象的搜索行为。本公开至少解决了相关技术中获取的搜索信息准确度低的问题。
-
公开(公告)号：CN113469298B
公开(公告)日：2022-01-21
申请号：CN202111029187.4
申请日：2021-09-03
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种模型训练方法及资源推荐方法，属于机器学习技术领域。该模型训练方法包括从多媒体资源搜索日志中获取搜索词及其对应的用户关注的多媒体资源搜索结果；根据搜索词与多媒体资源之间的匹配关系，确定不同多媒体资源与相同搜索词相匹配的匹配结果，根据匹配结果确定不同多媒体资源之间的关联关系；根据关联关系，为多媒体资源搜索日志中获取的多个多媒体资源添加标签，得到多个多媒体资源样本；利用多个多媒体资源样本训练多媒体特征表征模型，直至多媒体特征表征模型收敛，得到经训练的多媒体特征表征模型。采用本公开提供的模型训练方法及资源推荐方法，至少解决现有模型训练成本高，且训练样本的数量有限的问题。
-
公开(公告)号：CN110189340A
公开(公告)日：2019-08-30
申请号：CN201910478373.2
申请日：2019-06-03
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开是关于一种图像分割方法、装置、电子设备及存储介质，属于计算机视觉领域，所述方法包括：获取待分割图像，对所述待分割图像进行人脸检测和人脸关键点检测；基于得到的第一人脸检测结果和第一人脸关键点检测结果，在所述待分割图像中裁剪出第一人脸区域；基于图像分割模型，对所述第一人脸区域进行头发分割，所述图像分割模型是基于样本图像、标注掩码图以及头发概率分布图训练得到的，所述标注掩码图提供了所述样本图像中的头发区域，所述头发概率分布图提供了所述样本图像的头发分割概率分布。本公开基于训练好的图像分割模型能够精细地进行头发分割，能够在确保分割效率的同时提高分割精度，该种头发分割方式效果较佳。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.031 seconds)
