-
公开(公告)号：CN119336976A
公开(公告)日：2025-01-21
申请号：CN202310889592.6
申请日：2023-07-19
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06F16/9538 , G06F9/451 , G06F16/36 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 一种显示方法、推荐方法及推荐装置，基于用户的历史交互数据，确定用户的关系意图、上下文意图；关系意图表征用户对交互的物品与关联实体的关系的关注程度，关联实体包括物品的知识图谱中存在关系的实体；上下文意图表征用户对交互上下文的关注程度；基于用户的关系意图、上下文意图，经过图神经网络，得到嵌入表征信息；推荐模型至少根据嵌入表征信息，输出第二显示内容。本申请中，通过用户的历史交互数据，对用户的意图进行挖掘，得到关系意图、上下文意图。用户的嵌入表征信息包含了用户的关系意图、上下文意图，因此，该嵌入表征信息是一种精确的表征。因此当推荐模型以该嵌入表征信息为输入数据时，可以得到更加精确的推荐结果。
-
公开(公告)号：CN118103834A
公开(公告)日：2024-05-28
申请号：CN202180103399.4
申请日：2021-10-21
Applicant: 华为技术有限公司
Inventor： 张小莲
IPC: G06F16/36
Abstract: 本申请提供了人工智能领域的一种信息获取方法以及装置，用于通过个人知识图谱来保存用户的相关信息，可以实现更高效的数据检索。该方法可以包括：首先获取目标用户的输入文本，该输入文本中包括的至少一个词形成至少一个事件；随后基于输入文本获取输出序列，输出序列中包括至少一个事件的类型和要素；根据输出序列获取个人知识图谱，个人知识图谱中包括多个节点，具体可以包括类型节点和要素节点，类型节点用于表示至少一个事件的类型，要素节点用于表示至少一个事件的要素，同一个事件中的类型节点和要素节点相关联，个人知识图谱用于为目标用户进行推荐。
-
公开(公告)号：CN116249991A
公开(公告)日：2023-06-09
申请号：CN202080104828.5
申请日：2020-07-24
Applicant: 华为技术有限公司
IPC: G06N3/096
Abstract: 人工智能领域的一种神经网络蒸馏方法以及装置，用于提供输出偏置更低的神经网络，提高神经网络的输出精度，且可以根据不同的场景选择合适的蒸馏方式，泛化能力强。该方法包括：获取样本集，该样本集包括有偏数据集和无偏数据集(601)，有偏数据集中包括有偏置的样本，无偏数据集中包括无偏置的样本；根据样本集的数据特征确定第一蒸馏方式(602)，在第一蒸馏方式中使用无偏数据集训练老师模型，使用有偏数据集训练学生模型；基于有偏数据集和无偏数据集，按照第一蒸馏方式对第一神经网络进行训练，得到更新后的第一神经网络(603)。
-
公开(公告)号：CN101374065B
公开(公告)日：2011-02-16
申请号：CN200710145176.6
申请日：2007-08-24
Applicant: 华为技术有限公司
CPC classification number: H04L12/1863
Abstract: 本发明公开了一种组播接纳控制(AC)的方法，预先为组播业务分配组播资源，该方法包括：网络设备接收组播请求，为所述组播请求进行组播资源AC操作，当组播资源不足时，网络设备根据该组播请求进行组播复制，并将对应的组播流标记为低优先级。本发明还公开了一种组播接纳控制的系统，一种网络设备，包括组播协议处理模块、本地资源接纳控制功能模块及组播复制模块。使用本发明在实现AC功能的同时确保了组播业务频道的快速切换，减小了频道切换时网络设备与资源接纳控制设备(RACF或RACS)大量的信息交互，降低了内置本地资源接纳控制功能的网络设备的复杂度。
-
公开(公告)号：CN116601626A
公开(公告)日：2023-08-15
申请号：CN202080107891.4
申请日：2020-12-28
Applicant: 华为技术有限公司
IPC: G06F16/953
Abstract: 一种人工智能领域中的一种个人知识图谱的构建和更新方法，包括：获取初始用户静态属性和初始用户行为属性，并根据所述初始用户静态属性和所述初始用户行为属性构建个人知识图谱架构；获取初始用户画像数据、初始用户行为数据和实体关系集合；根据初始用户画像数据和实体关系集合得到M个初始静态实体三元组；根据初始用户行为数据和实体关系集合得到E个初始行为实体三元组；根据M个初始静态实体三元组、E个初始行为实体三元组和个人知识图谱架构，生成个人知识图谱。采用本方法可以构建出与用户个人特征高度相关的个人知识图谱，从而依据个人知识图谱对用户进行智能推荐服务。
-
Patent Agency Ranking
公开(公告)号：CN101374066A
公开(公告)日：2009-02-25
申请号：CN200710145177.0
申请日：2007-08-24
Applicant: 华为技术有限公司
CPC classification number: H04L12/1881 , H04L47/70 , H04L47/782 , H04L47/806
Abstract: 本发明公开了一种组播/单播业务接纳控制的方法、装置及系统，通过资源和接纳控制系统集中控制资源，组播/单播共享资源，资源和接纳控制系统向接入设备分配并授权资源，由接入设备在授权内管理所获得的组播资源，当接入设备的组播资源或接纳控制系统的资源不足时，通过交互重新调整资源的分配。应用本发明，可以在统一的资源和接纳控制系统集中控制下，实现组播/单播资源灵活分配，降低了组播业务频道切换时的时延，实现组播的快速频道切换。
-
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
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
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。
-
公开(公告)号：CN115917535A
公开(公告)日：2023-04-04
申请号：CN202080103030.9
申请日：2020-07-24
Applicant: 华为技术有限公司
IPC: G06F18/214
Abstract: 提供了人工智能领域中的一种推荐模型的训练方法、推荐方法、装置及计算机可读介质。该训练方法包括：获取第一推荐模型(S610)，第一推荐模型的模型参数是基于n个第一训练样本进行训练得到的；确定每个第一训练样本对m个第二训练样本在第一推荐模型上的验证损失的影响函数值(S620)；基于每个第一训练样本对验证损失的影响函数值确定每个第一训练样本对应的权重(S630)；根据n个第一训练样本和n个第一训练样本对应的权重训练第一推荐模型，得到目标推荐模型(S640)。能够减轻训练样本的数据分布不一致对推荐模型训练的影响，提高推荐模型的准确性。
-
公开(公告)号：CN101374066B
公开(公告)日：2012-04-04
申请号：CN200710145177.0
申请日：2007-08-24
Applicant: 华为技术有限公司
CPC classification number: H04L12/1881 , H04L47/70 , H04L47/782 , H04L47/806
Abstract: 本发明公开了一种组播/单播业务接纳控制的方法、装置及系统，通过资源和接纳控制系统集中控制资源，组播/单播共享资源，资源和接纳控制系统向接入设备分配并授权资源，由接入设备在授权内管理所获得的组播资源，当接入设备的组播资源或接纳控制系统的资源不足时，通过交互重新调整资源的分配。应用本发明，可以在统一的资源和接纳控制系统集中控制下，实现组播/单播资源灵活分配，降低了组播业务频道切换时的时延，实现组播的快速频道切换。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.032 seconds)
