Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京牛客科技有限公司王琪琪获国家专利权

北京牛客科技有限公司王琪琪获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京牛客科技有限公司申请的专利向量更新方法、推荐方法、装置、电子设备及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116541605B

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310584231.0,技术领域涉及:G06F16/9535;该发明授权向量更新方法、推荐方法、装置、电子设备及存储介质是由王琪琪;何永能设计研发完成,并于2023-05-23向国家知识产权局提交的专利申请。

向量更新方法、推荐方法、装置、电子设备及存储介质在说明书摘要公布了:本发明提供了一种向量更新方法、推荐方法、装置、电子设备及存储介质,涉及数据推荐领域。通过依次获取推荐系统中每个待推荐实体的特征数据。然后针对每个待推荐实体:先将待推荐实体的特征数据输入新特征识别模型,得到待推荐实体的新特征向量;再利用待推荐实体的新特征向量替代推荐系统的向量库中待推荐实体的旧特征向量。其有益之处在于,在新特征识别模型的训练过程中引入基于旧特征识别模型处理得到的历史特征向量信息,使得新特征识别模型得到的向量与旧特征识别模型得到的向量之间能够兼容,进而可以保证在向量库更新时的新、旧向量混合阶段,推荐系统的召回阶段能够准确召回用户真正感兴趣的实体。

本发明授权向量更新方法、推荐方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种向量更新方法,其特征在于,包括: 依次获取推荐系统中每个待推荐实体的特征数据; 针对每个所述待推荐实体,将所述待推荐实体的特征数据输入新特征识别模型,得到所述待推荐实体的新特征向量; 利用所述待推荐实体的新特征向量替代推荐系统的向量库中所述待推荐实体的旧特征向量;所述旧特征向量是利用旧特征识别模型对所述待推荐实体的特征数据进行处理得到的; 其中,所述新特征识别模型通过以下方式训练得到: 获取多个训练集,所述训练集包括若干训练实体对各自的特征信息和旧特征向量信息;所述旧特征向量信息是利用所述旧特征识别模型对所述特征信息进行处理得到的;所述训练集中的每个训练实体对均带有相似标签; 利用多个所述训练集对预先构建的特征识别模型进行多轮训练,得到所述新特征识别模型;其中,在每一轮训练中,依次利用多个所述训练集对所述特征识别模型进行训练,在每次利用一个所述训练集对所述特征识别模型进行训练的过程中,均利用每个训练实体对的当前特征向量信息和旧特征向量信息确定总损失,以利用所述总损失对所述特征识别模型的模型参数进行更新;第i次训练中所用的当前特征向量信息,是利用第i-1次训练后的特征识别模型对训练实体对的特征信息进行处理得到的; 其中,所述在每次利用一个所述训练集对所述特征识别模型进行训练的过程中,均利用每个训练实体对的当前特征向量信息和旧特征向量信息确定总损失,以利用所述总损失对所述特征识别模型的模型参数进行更新的步骤,包括: 针对第i次训练过程,将所述训练集中所有训练实体对的特征信息输入第i-1次训练后的特征识别模型,得到每个训练实体对的当前特征向量信息; 基于每个训练实体对的当前特征向量信息、旧特征向量信息和相似标签,确定所述总损失; 利用所述总损失对第i-1次训练后的特征识别模型的模型参数进行更新,得到第i次训练后的特征识别模型; 其中,所述训练实体对包括第一实体和第二实体;所述旧特征向量信息包括所述第一实体的第一旧特征向量和所述第二实体的第二旧特征向量;所述当前特征向量信息包括所述第一实体的第一当前特征向量和所述第二实体的第二当前特征向量; 所述基于每个训练实体对的当前特征向量信息、旧特征向量信息和相似标签,确定所述总损失的步骤,包括: 针对每一训练实体对,分别计算该训练实体对所对应的第一当前特征向量和第二当前特征向量之间的第一相似度、第一旧特征向量和第二当前特征向量之间的第二相似度以及第一当前特征向量和第二旧特征向量之间的第三相似度,得到第一相似度序列、第二相似度序列和第三相似度序列; 利用所述第一相似度序列、所述第二相似度序列、所述第三相似度序列和每个训练实体对的相似标签,从所述训练集中确定第一正样本集合和第一负样本集合、第二正样本集合和第二负样本集合以及第三正样本集合和第三负样本集合; 利用所述第一相似度序列、所述第二相似度序列、所述第三相似度序列、所述第一正样本集合和第一负样本集合、所述第二正样本集合和第二负样本集合以及所述第三正样本集合和第三负样本集合,确定第一损失值、第二损失值和第三损失值; 对所述第一损失值、所述第二损失值和所述第三损失值进行加权求和,得到所述总损失。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京牛客科技有限公司,其通讯地址为:100020 北京市朝阳区北苑路乙108号9幢一层2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。