-
公开(公告)号：CN106663124A
公开(公告)日：2017-05-10
申请号：CN201580043229.6
申请日：2015-08-11
Applicant: 微软技术许可有限责任公司
Abstract: 本文描述用于基于用户行为数据和知识数据生成模型的功能。在一种情况下，用户行为数据标识由用户提交的查询，连同由用户响应于查询而做出的选择。知识数据表示如一个或多个结构化知识资源表达的语言项之间的关系。功能利用知识数据提供关于可能不能通过用户行为数据充分捕获的语义关系的信息，以由此产生更稳健和精确的模型(与仅基于用户行为数据产生的模型相比)。本文还描述用于在被训练后应用模型的功能。在一种情况下，模型可以对应于深度学习模型。
-
公开(公告)号：CN106663124B
公开(公告)日：2020-02-28
申请号：CN201580043229.6
申请日：2015-08-11
Applicant: 微软技术许可有限责任公司
IPC: G06F16/332 , G06F16/9535 , G06N3/04 , G06N5/02
Abstract: 本文描述用于基于用户行为数据和知识数据生成模型的功能。在一种情况下，用户行为数据标识由用户提交的查询，连同由用户响应于查询而做出的选择。知识数据表示如一个或多个结构化知识资源表达的语言项之间的关系。功能利用知识数据提供关于可能不能通过用户行为数据充分捕获的语义关系的信息，以由此产生更稳健和精确的模型(与仅基于用户行为数据产生的模型相比)。本文还描述用于在被训练后应用模型的功能。在一种情况下，模型可以对应于深度学习模型。
-
公开(公告)号：CN108604313B
公开(公告)日：2022-09-13
申请号：CN201780010748.1
申请日：2017-02-06
Applicant: 微软技术许可有限责任公司
Abstract: 提供了预测性框架的系统和方法。该预测性框架包括可适应的、可执行的神经元的多个神经层。神经元接受一个或多个输入信号，并产生可以由上层神经层使用的输出信号。输入信号由编码神经层接收，在编码神经层中，输入信号和编码神经元之间存在1：1的对应关系。输入信号在编码层处被接收，并由各种神经层连续处理。目标函数利用最顶层神经层的输出信号，根据目标来生成针对数据集的预测性结果。在一个实施例中，目标是：确定用户关于搜索结果集中的特定内容项的交互的可能性，或者确定用户关于搜索结果集中的任何内容项的交互的可能性。
-
公开(公告)号：CN108604313A
公开(公告)日：2018-09-28
申请号：CN201780010748.1
申请日：2017-02-06
Applicant: 微软技术许可有限责任公司
Abstract: 提供了预测性框架的系统和方法。该预测性框架包括可适应的、可执行的神经元的多个神经层。神经元接受一个或多个输入信号，并产生可以由上层神经层使用的输出信号。输入信号由编码神经层接收，在编码神经层中，输入信号和编码神经元之间存在1：1的对应关系。输入信号在编码层处被接收，并由各种神经层连续处理。目标函数利用最顶层神经层的输出信号，根据目标来生成针对数据集的预测性结果。在一个实施例中，目标是：确定用户关于搜索结果集中的特定内容项的交互的可能性，或者确定用户关于搜索结果集中的任何内容项的交互的可能性。
-
-
-
Search Results
4
records
(took 0.02 seconds)
