-
公开(公告)号：CN108596335B
公开(公告)日：2020-04-17
申请号：CN201810362557.8
申请日：2018-04-20
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度强化学习的自适应众包方法。方法具体为：1)首先从众包系统中采样需要分配的任务和候选的众包工人；2)通过深度学习方法获得待分配任务和候选工人的低维特征表示；3)通过强化学习方法确定任务分配策略；4)众包系统根据分配策略分配任务，根据任务完成结果评估本次分配获得的收益，将该收益反馈给强化学习方法，更新强化学习参数；5)从1)开始继续下一轮的任务分配。和现有技术相比，本发明结合了深度强化学习方法，系统地对任务分配问题进行建模，针对不同任务本身的特征选择合适的众包工人，形成了自适应的智能众包方法，创造性地提升了众包的工作效率和效果。
-
Patent Agency Ranking
公开(公告)号：CN108596335A
公开(公告)日：2018-09-28
申请号：CN201810362557.8
申请日：2018-04-20
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度强化学习的自适应众包方法。方法具体为：1)首先从众包系统中采样需要分配的任务和候选的众包工人；2)通过深度学习方法获得待分配任务和候选工人的低维特征表示；3)通过强化学习方法确定任务分配策略；4)众包系统根据分配策略分配任务，根据任务完成结果评估本次分配获得的收益，将该收益反馈给强化学习方法，更新强化学习参数；5)从1)开始继续下一轮的任务分配。和现有技术相比，本发明结合了深度强化学习方法，系统地对任务分配问题进行建模，针对不同任务本身的特征选择合适的众包工人，形成了自适应的智能众包方法，创造性地提升了众包的工作效率和效果。
-
公开(公告)号：CN113609254B
公开(公告)日：2024-04-05
申请号：CN202110862739.3
申请日：2021-07-29
Applicant: 浙江大学
IPC: G06F16/33 , G06F40/289 , G06F18/241 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种基于分层强化学习的聚合式搜索排序方法。本发明采用分层强化学习获得的针对聚合式搜索排序问题的排序策略，可以较大地提升页面内容与查询的相关性。本发明包括如下步骤：1)首先从已标注数据中获取查询、搜索结果，得到它们的特征表示；2)构建聚合式搜索排序模拟器；3)利用模拟器训练分层强化学习模型；4)通过分层强化学习方法确定聚合式搜索排序策略，在搜索引擎中进行应用。和现有技术相比，本发明结合了分层强化学习方法，系统地对聚合式搜索排序问题进行建模，针对不同查询的特征选择合适的搜索结果，形成特别的聚合式搜索排序方法，创造性地提升了排序的工作效率和效果。
-
公开(公告)号：CN113609254A
公开(公告)日：2021-11-05
申请号：CN202110862739.3
申请日：2021-07-29
Applicant: 浙江大学
IPC: G06F16/33 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于分层强化学习的聚合式搜索排序方法。本发明采用分层强化学习获得的针对聚合式搜索排序问题的排序策略，可以较大地提升页面内容与查询的相关性。本发明包括如下步骤：1)首先从已标注数据中获取查询、搜索结果，得到它们的特征表示；2)构建聚合式搜索排序模拟器；3)利用模拟器训练分层强化学习模型；4)通过分层强化学习方法确定聚合式搜索排序策略，在搜索引擎中进行应用。和现有技术相比，本发明结合了分层强化学习方法，系统地对聚合式搜索排序问题进行建模，针对不同查询的特征选择合适的搜索结果，形成特别的聚合式搜索排序方法，创造性地提升了排序的工作效率和效果。
-
公开(公告)号：CN109710736B
公开(公告)日：2020-08-14
申请号：CN201811566627.8
申请日：2018-12-19
Applicant: 浙江大学
IPC: G06F16/332
Abstract: 本发明公开了一种面向搜索排序的主动众包任务生成方法，属于数据处理方法领域。本发明利用了主动学习，在众包任务生成过程中考虑用户输入的查询词与排序模型的结果，不仅使得生成的众包任务适合当前工人，还提高了任务对模型的针对性，能更高效地提升排序学习模型的训练效率，大大节约了众包的人力与时间成本。
-
公开(公告)号：CN109710736A
公开(公告)日：2019-05-03
申请号：CN201811566627.8
申请日：2018-12-19
Applicant: 浙江大学
IPC: G06F16/332
Abstract: 本发明公开了一种面向搜索排序的主动众包任务生成方法，属于数据处理方法领域。本发明利用了主动学习，在众包任务生成过程中考虑用户输入的查询词与排序模型的结果，不仅使得生成的众包任务适合当前工人，还提高了任务对模型的针对性，能更高效地提升排序学习模型的训练效率，大大节约了众包的人力与时间成本。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
