[发明专利]信息推荐方法、装置、设备、存储介质和程序产品在审

专利信息
申请号: 202310381117.8 申请日: 2023-04-11
公开(公告)号: CN116560632A 公开(公告)日: 2023-08-08
发明(设计)人: 郭志越;彭云鹏;王初晴 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06F8/33 分类号: G06F8/33;G06F16/35;G06N3/0442;G06N3/045;G06N3/0895
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 刘海莲
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: 信息 推荐 方法 装置 设备 存储 介质 程序 产品
【权利要求书】:

1.一种信息推荐方法,包括:

获取目标代码和所述目标代码对应的当前编辑位置;

将所述目标代码和所述当前编辑位置输入文本分类模型中,得到文本分类结果;

在所述文本分类结果为需要代码推荐的情况下,将所述目标代码和所述当前编辑位置发送至服务器,以供服务器根据所述目标代码和所述当前编辑位置,确定所述目标代码中的待补全代码对应的推荐代码。

2.根据权利要求1所述的方法,其中,在将所述目标代码和所述当前编辑位置发送至服务器之后,所述方法还包括:

接收所述服务器下发的所述推荐代码;

展示所述推荐代码。

3.根据权利要求1所述的方法,其中,所述文本分类模型包括:第一编码子模块和第二编码子模块;所述将所述目标代码和所述当前编辑位置输入文本分类模型中,得到文本分类结果,包括:

所述第一编码子模块用于按照所述目标代码从前往后的文本顺序进行编码,得到第一编码特征;以及

所述第二编码子模块用于按照所述目标代码从后往前的文本顺序进行编码,得到第二编码特征;

根据所述第一编码特征和所述第二编码特征,生成所述文本分类结果。

4.根据权利要求3所述的方法,其中,所述方法还包括:

针对所述第一编码子模块或者所述第二编码子模块中的任意一个目标神经元,在所述目标神经元内部,将输入信息和内部状态进行编码,得到编码后的特征向量;

根据所述输入信息和历史状态,识别所述历史状态中需要更新的信息,更新所述内部状态;

根据所述输入信息和所述历史状态,更新输出的特征向量,以及更新所述内部状态。

5.一种信息推荐方法,包括:

接收用户终端上传的目标代码和当前编辑位置,其中,所述目标代码和所述当前编辑位置是在用户终端的文本分类模型输出需要代码推荐的文本分类结果后发送的信息;

根据所述目标代码和所述当前编辑位置,确定所述目标代码中的待补全代码对应的推荐代码;

将所述推荐代码下发至所述用户终端。

6.根据权利要求5所述的方法,其中,所述根据所述目标代码和所述当前编辑位置,确定所述目标代码中的待补全代码对应的推荐代码,包括:

将所述目标代码和所述当前编辑位置输入代码推荐模型中,得到所述目标代码中的待补全代码对应的推荐代码。

7.根据权利要求6所述的方法,其中,所述代码推荐模型包括:多头自注意力机制层、第一归一化层、前向层和第二归一化层;所述将所述目标代码和所述当前编辑位置输入代码推荐模型中,得到所述目标代码中的待补全代码对应的推荐代码,包括:

在所述代码推荐模型内部,将所述目标代码和所述当前编辑位置输入多头自注意力机制层中,得到第一文本向量特征;

将所述第一文本向量特征输入所述第一归一化层中,得到第二文本向量特征;

将所述第二文本向量特征输入所述前向层中,得到第三文本向量特征;

将所述第三文本向量特征输入所述第二归一化层中,得到所述推荐代码。

8.一种信息推荐装置,包括:

获取模块,用于获取目标代码和所述目标代码对应的当前编辑位置;

分类模型模块,用于将所述目标代码和所述当前编辑位置输入文本分类模型中,得到文本分类结果;

发送模块,在所述文本分类结果为需要代码推荐的情况下,用于将所述目标代码和所述当前编辑位置发送至服务器,以供服务器根据所述目标代码和所述当前编辑位置,确定所述目标代码中的待补全代码对应的推荐代码。

9.根据权利要求8所述的装置,其中,所述发送模块在将所述目标代码和所述当前编辑位置发送至服务器之后,还可用于:

接收所述服务器下发的所述推荐代码;

展示所述推荐代码。

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北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202310381117.8/1.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