[发明专利]信息处理和模型训练方法、装置、电子设备、存储介质在审

专利信息
申请号: 201710525652.0 申请日: 2017-06-30
公开(公告)号: CN107402754A 公开(公告)日: 2017-11-28
发明(设计)人: 黄献德 申请(专利权)人: 北京金山安全软件有限公司
主分类号: G06F9/44 分类号: G06F9/44;G06F9/54;G06F17/30;H04L29/08;G06K9/62;G06N3/04
代理公司: 北京柏杉松知识产权代理事务所(普通合伙)11413 代理人: 项京,马敬
地址: 100085 北京*** 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: 信息处理 模型 训练 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种信息处理方法,其特征在于,所述方法包括:

获取发送给电子设备的待处理弹窗信息;

将所述待处理弹窗信息输入弹窗管理模型;所述弹窗管理模型为:基于深度神经网络构建的、用于确定输入的弹窗信息是否为用户感兴趣的弹窗信息的模型;所述用户感兴趣的弹窗信息为关注度大于阈值的信息;

若所述弹窗管理模型的输出结果为所述待处理弹窗信息为用户感兴趣的弹窗信息,将所述待处理弹窗信息发送给所述电子设备,以使所述电子设备通过弹窗功能显示所述待处理弹窗信息。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

若所述弹窗管理模型的输出结果为所述待处理弹窗信息为用户不感兴趣的弹窗信息,拒绝将所述待处理弹窗信息发送给所述电子设备。

3.根据权利要求1所述的方法,其特征在于,所述弹窗管理模型通过以下方式训练获得:

基于深度神经网络,构建弹窗管理模型;所述弹窗管理模型的建模单元为:是否为用户感兴趣的弹窗信息;

获取训练集,将所述训练集中的弹窗信息转换为特征向量,为所述训练集中的弹窗信息标记用户感兴趣的弹窗信息或用户不感兴趣的弹窗信息的标签;

使用所述特征向量和所述标签,训练所述弹窗管理模型。

4.一种模型训练方法,其特征在于,所述方法包括:

基于深度神经网络,构建弹窗管理模型;所述弹窗管理模型的建模单元为:是否为用户感兴趣的弹窗信息;所述用户感兴趣的弹窗信息为关注度大于阈值的信息;

获取训练集,将所述训练集中的弹窗信息转换为特征向量,为所述训练集中的弹窗信息标记用户感兴趣的弹窗信息或用户不感兴趣的弹窗信息的标签;

使用所述特征向量和所述标签,训练所述弹窗管理模型。

5.一种信息处理装置,其特征在于,所述装置包括:

获取单元,用于获取发送给电子设备的待处理弹窗信息;

输入单元,用于将所述待处理弹窗信息输入弹窗管理模型;所述弹窗管理模型为:基于深度神经网络构建的、用于确定输入的弹窗信息是否为用户感兴趣的弹窗信息的模型;所述用户感兴趣的弹窗信息为关注度大于阈值的信息;

发送单元,用于若所述弹窗管理模型的输出结果为所述待处理弹窗信息为用户感兴趣的弹窗信息,将所述待处理弹窗信息发送给所述电子设备,以使所述电子设备通过弹窗功能显示所述待处理弹窗信息。

6.一种模型训练装置,其特征在于,所述装置包括:

构建单元,用于基于深度神经网络,构建弹窗管理模型;所述弹窗管理模型的建模单元为:是否为用户感兴趣的弹窗信息;所述用户感兴趣的弹窗信息为关注度大于阈值的信息;

转换单元,用于获取训练集,将所述训练集中的弹窗信息转换为特征向量,为所述训练集中的弹窗信息标记用户感兴趣的弹窗信息或用户不感兴趣的弹窗信息的标签;

训练单元,用于使用所述特征向量和所述标签,训练所述弹窗管理模型。

7.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;

所述存储器,用于存放计算机程序;

所述处理器,用于执行所述存储器上所存放的程序,实现权利要求1-3任一所述的方法步骤。

8.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;

所述存储器,用于存放计算机程序;

所述处理器,用于执行所述存储器上所存放的程序,实现权利要求4所述的方法步骤。

9.一种存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-3任一所述的方法步骤。

10.一种存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求4所述的方法步骤。

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金山安全软件有限公司,未经北京金山安全软件有限公司许可,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/201710525652.0/1.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