利用连续模型训练的垃圾邮件处理

    公开(公告)号:CN109074553A

    公开(公告)日:2018-12-21

    申请号:CN201680084360.1

    申请日:2016-03-22

    CPC classification number: H04L51/12 G06N20/00 G06Q10/107 G06Q50/01

    Abstract: 在各种示例实施例中,呈现用于使用机器学习来生成过滤垃圾邮件内容的系统和方法。一个或多个电子内容被接收。一个或多个电子内容被当前的垃圾邮件过滤系统标注为垃圾邮件或非垃圾邮件。一个或多个被标记内容之中的每一个的相关联的准确度分数被计算。基于一个或多个被标注内容的标注和与一个或多个被标注内容的源相关联的信息不一致,识别一个或多个被标注内容中的潜在错误。具有所识别的潜在错误的一个或多个被标注内容被发送,以便评估。具有在预定范围内相关联的准确度分数、被标注为垃圾邮件的一个或多个电子内容被过滤,从而排除具有所识别的潜在错误的被标注内容。

    社交网络分类中的头衔消歧

    公开(公告)号:CN108694228A

    公开(公告)日:2018-10-23

    申请号:CN201810306438.0

    申请日:2018-04-08

    Abstract: 在示例实施例中,形成深度表示数据结构,该深度表示数据结构具有在该深度表示数据结构中被表示为坐标的表示来自社交网络数据结构的头衔的第一矢量和表示来自社交网络数据结构的技能的第二矢量。将一个或多个目标函数应用于在深度表示数据结构中的第一矢量和第二矢量的至少一个组合,使得得到针对所述至少一个组合中的每一个的目标函数输出。将所述组合中的矢量的一个或多个坐标聚类成职业群,其中所述职业群中的每个职业群中的每个坐标共享职业。标识每个职业群的群代表。然后,群代表可以用来推断具有模糊角色的第一成员简档的职业。

Patent Agency Ranking