一种基于残差学习的点击率预测融合方法

    公开(公告)号:CN112102004B

    公开(公告)日:2022-08-30

    申请号:CN202010984847.3

    申请日:2020-09-18

    Abstract: 本发明公开了一种基于残差学习的点击率预测融合方法,包括:1.根据点击率预测数据特点构造训练数据集;2.获取样本基于传统机器学习的点击率预测概率;3.获取基于机器学习模型的预测结果与真实标签之间的残差值;4.获取每个样本基于深度学习的点击率预测概率;5.获得两类模型联合训练的预测结果;6.重复步骤4.2~5以完成一轮次训练;7.重复步骤4~6至至点击率预测准确率达到最好;8.对预测结果集进行降序排序,选取前若干个产品进行推荐。本发明基于残差学习的融合思路,能够充分挖掘点击率预测数据中各类型特征背后的隐藏信息,进而更好地捕获用户的兴趣爱好,并为用户展示点击概率更大的产品,以实现更精准的个性化产品推荐任务。

    一种氮化硼量子点溶液和制备方法及应用和量子点电致发光二极管

    公开(公告)号:CN114914384A

    公开(公告)日:2022-08-16

    申请号:CN202210325123.7

    申请日:2022-03-30

    Abstract: 本发明属于纳米晶半导体材料领域,公开了一种氮化硼量子点溶液和制备方法及应用和量子点电致发光二极管。该制备方法包括:将硼酸、双氰胺和无水乙醇混合搅拌溶解后装入反应釜中,并把所述反应釜放入恒温干燥箱中,依次经加热和自然冷却处理后,取出产物;对所述产物进行过滤去除杂质处理;将去除杂质后的产物、DMSO和石油醚萃取剂进行均匀混合、静置分层和多次萃取处理,得到含有量子点的DMSO溶液并经过离心处理,得到所述氮化硼量子点溶液。本发明制备的氮化硼量子点具有原料来源广、无毒、环保、不含金属、制备成本低、制备工艺简单、发光效率高的优点。

    一种近红外荧光材料及制备方法和LED发光器件及制备方法

    公开(公告)号:CN113563884A

    公开(公告)日:2021-10-29

    申请号:CN202111007438.9

    申请日:2021-08-30

    Inventor: 陈雷

    Abstract: 本发明属于智能制造技术领域,公开了一种近红外荧光材料及制备方法和LED发光器件及制备方法。该近红外荧光材料为RESc3‑xCrx(BO3)4,其中,RE为稀土元素Ce、Eu、Gd、Lu、Y和Tb中的一种或者几种,且Ce与Gd不共存;0.001≤x≤0.30。本发明的近红外荧光材料的发射波长峰值在815‑835nm。

    图片传输方法及装置
    10.
    发明授权

    公开(公告)号:CN110381339B

    公开(公告)日:2021-08-27

    申请号:CN201910725985.7

    申请日:2019-08-07

    Abstract: 本发明提供了一种图片传输方法及装置,该方法包括:获取第一视频中的关键帧组成的目标关键帧集合;根据一组帐号对一组视频的实际关注度参数和预测关注度参数确定目标视觉参数;根据目标视觉参数确定目标帐号对目标关键帧集合中的每个关键帧的关注度参数;将目标关键帧集合中关注度参数大于预定阈值的目标关键帧传输给目标帐号。避免了获取帐号对关键帧的行为特征数据或者账号对视频的文本信息,解决了相关技术中在缺少用户对关键帧行为数据的情况下,或者缺少用户对关键帧的文本信息的情况下,无法实现根据用户的不同需求在视频中选取对应的关键帧的进行推送的问题。

Patent Agency Ranking