[发明专利]利用神经网络向用户推荐对象的方法、设备和介质有效

专利信息
申请号: 202011334769.9 申请日: 2020-11-24
公开(公告)号: CN112418423B 公开(公告)日: 2023-08-15
发明(设计)人: 高畅;文豪 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06N3/08 分类号: G06N3/08;G06F16/9535
代理公司: 北京市汉坤律师事务所 11602 代理人: 姜浩然;吴丽丽
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 利用 神经网络 用户 推荐 对象 方法 设备 介质
【权利要求书】:

1.一种由计算机实现的神经网络,所述神经网络被配置用于接收用户特征和待推荐对象的对象特征以预测所述待推荐对象的推荐结果,所述神经网络包括:

特征向量层,所述特征向量层被配置为接收基于所述用户特征和所述对象特征的特征向量层输入并确定相应的特征向量以生成特征向量输出,其中,所述特征向量输出包括与所述用户特征相对应的第一特征向量和与所述对象特征相对应的第二特征向量;以及

所述特征向量层之后的多个全连接层,所述多个全连接层被配置为接收所述特征向量输出并协同运作以生成针对所述待推荐对象的预测推荐结果,其中,

所述特征向量层包括与所述用户特征相对应的至少一个不同于所述第一特征向量的第三特征向量,

其中,所述神经网络还包括特征输入层,所述特征输入层位于所述特征向量层之前,并被配置为根据映射函数将所述用户特征和所述对象特征中的每一个特征分别映射为相应的数值以生成所述特征向量层输入,所述特征输入层还被配置为,基于用户所属的用户群组选择不同的映射函数,以使得属于不同用户群组的用户的相同用户特征能够被映射为不同的数值。

2.如权利要求1所述的神经网络,其中,所述特征向量层被配置为将所述特征向量层输入作为索引以搜索与所述用户特征和所述对象特征中的每一个特征相对应的特征向量。

3.如权利要求1或2所述的神经网络,其中,所述特征向量被以键-值的形式存储在所述特征向量层中。

4.如权利要求1所述的神经网络,其中,所述特征向量层中与同一用户特征相对应的不同的特征向量的数量与所述用户群组的数量相同。

5.如权利要求1所述的神经网络,其中,所述用户群组是根据用户所使用的终端设备进行划分的。

6.如权利要求1所述的神经网络,其中,所述映射函数为哈希函数。

7.如权利要求1所述的神经网络,其中,所述特征向量层包括与所述对象特征相对应的至少一个不同于所述第二特征向量的第四特征向量。

8.如权利要求1所述的神经网络,其中,所述待推荐对象为包括以下一种或多种类型的数据:文字、音频和视频。

9.如权利要求1所述的神经网络,其中,所述神经网络基于多层感知器MLP。

10.一种由计算机实现的利用神经网络向用户推荐对象的方法,所述神经网络包括特征向量层和所述特征向量层之后的多个全连接层,所述方法包括:

利用所述特征向量层处理基于用户特征和待推荐对象的对象特征的特征向量层输入,其中,所述特征向量层被配置为接收所述特征向量层输入并确定相应的特征向量以生成特征向量输出,其中,所述特征向量输出包括与所述用户特征相对应的第一特征向量和与所述对象特征相对应的第二特征向量;以及

利用所述多个全连接层处理所述特征向量输出,其中,所述多个全连接层被配置为接收所述特征向量输出并协同运作以生成针对所述待推荐对象的预测推荐结果,其中,所述特征向量层包括与所述用户特征相对应的至少一个不同于所述第一特征向量的第三特征向量,

其中,所述神经网络包括位于所述特征向量层之前的特征输入层,所述方法还包括:

利用所述特征输入层根据映射函数将所述用户特征和所述对象特征中的每一个特征分别映射为相应的数值以生成所述特征向量层输入,

并且其中,所述特征输入层还被配置为,基于用户所属的用户群组选择不同的映射函数,以使得属于不同用户群组的用户的相同的用户特征能够被映射为不同的数值。

11.如权利要求10所述的方法,其中,处理所述特征向量层输入包括将所述特征向量层输入作为索引以搜索与所述用户特征和所述对象特征中的每一个特征相对应的特征向量。

12.如权利要求11所述的方法,其中,所述特征向量被以键-值的形式存储在所述特征向量层中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011334769.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top