公开(公告)号：CN118043802A

公开(公告)日：2024-05-14

申请号：CN202180102753.1

申请日：2021-09-29

Applicant: 华为技术有限公司

Inventor： 张小莲 ,  刘杜钢 ,  程朋祥

IPC: G06F16/9535 ,  G06Q30/02

Abstract: 一种推荐模型训练方法，方法包括：将第一推荐模型处理多个第一候选对象得到的第一推荐结果与通过第二推荐模型处理多个第一候选对象得到的第二推荐结果之间的差异作为目标损失的一部分，将可以表征第二预测模型的处理误差也作为目标损失的一部分，所述目标损失可以更准确的表征出第一推荐结果的预测结果和准确结果之间的差异，基于上述结果构建的目标损失训练第一预测模型可以提高第一预测模型针对于随机流量的预测性能。

公开(公告)号：CN117349333A

公开(公告)日：2024-01-05

申请号：CN202210743393.X

申请日：2022-06-28

Applicant: 华为技术有限公司

Inventor： 张小莲 ,  刘杜钢 ,  蔺疆旭 ,  何铭凯 ,  骆锦维 ,  潘微科 ,  明仲

IPC: G06F16/2457 ,  G06F16/25

Abstract: 一种推荐方法，包括：基于训练数据，确定用户事件图(UEG)，UEG中包括：用户节点，物品节点，上下文节点，和意图节点，其中，意图节点分别与用户节点，物品节点和上下文节点连接；基于UEG，对用户特征，物品特征，上下文特征和意图特征进行图卷积，得到目标特征集合，目标特征集合中包括目标用户特征，目标物品特征和目标上下文特征；基于目标特征集合和目标用户在目标环境中的上下文特征，向目标用户推荐目标物品，目标物品为与目标环境中上下文特征相匹配的物品。这样，通过意图节点将用户节点，物品节点和上下文节点进行关联，从而可以将上下文特征融入到图卷积中，进而可以得到更好的用户特征和物品特征，提升了后续的推荐服务的精准度。