[发明专利]自动化的预测性建模与框架有效
申请号: | 201780010748.1 | 申请日: | 2017-02-06 |
公开(公告)号: | CN108604313B | 公开(公告)日: | 2022-09-13 |
发明(设计)人: | 单瀛;T·R·霍恩斯;焦健;王海晶;俞栋;J·毛 | 申请(专利权)人: | 微软技术许可有限责任公司 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06Q30/02 |
代理公司: | 北京市金杜律师事务所 11256 | 代理人: | 王茂华 |
地址: | 美国华*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 自动化 预测 建模 框架 | ||
1.一种包括可执行指令的非暂态计算机可读介质,所述指令在由机器的至少一个处理器执行时,使所述机器实现用于提供预测结果的计算机实现的框架,包括:
多个神经层,所述多个神经层包括:
编码层,所述编码层包括多个编码神经元,每个编码神经元具有用于从输入数据集接收对应的输入信号以进行评估的输入和包括用于所述输入信号的信号嵌入的输出;
多个残差层,每个残差层包括多个残差神经元,每个残差神经元包括没有卷积操作的多个修正线性操作和用于将输入的元素加回到所述残差神经元的求和操作,所述多个残差层中的一个残差层被连接到所述编码层;以及
目标函数,所述目标函数在执行中根据预定目标,从最顶层残差层的输出信号来确定预测结果;
其中,在执行中,所述框架通过所述编码层来获取所述输入信号,并且连续地通过所述多个神经层至所述最顶层残差层来处理所述输入信号;以及
其中,所述目标函数根据所述预定目标,从所述最顶层残差层的所述输出信号来确定所述预测结果,并将所述预测结果提供给请求方。
2.根据权利要求1所述的介质,其中,所述输入信号包括以下中的一项或多项:
用户标识;
查询;
查询的主题;
查询的实体;
关键词;
登广告者;
广告活动;
当日时间;
星期几;
节假日;
季节;
用户的性别;以及
广告。
3.根据权利要求1所述的介质,其中所述目标函数的预先确定的目标是:确定用户关于搜索结果集中的特定内容项的交互的概率。
4.根据权利要求3所述的介质,其中所述搜索结果集的所述特定内容项包括所述搜索结果集中的广告。
5.根据权利要求3所述的介质,其中所述搜索结果集中的所述特定内容项包括所述搜索结果集中的赞助搜索结果。
6.根据权利要求1所述的介质,其中所述目标函数的所述预定目标是确定用户关于搜索结果集中的任一内容项的交互的概率。
7.一种被配置为生成关于基础数据的预测结果的计算机系统,所述计算机系统包括处理器和存储器,其中所述处理器执行在所述存储器中存储的、作为附加的可执行组件的一部分或与所述附加的可执行组件相结合的指令,来生成所述预测结果,所述指令包括:
可执行的预测性框架,其中所述预测性框架包括:
多个神经层,包括编码层和多个残差层,其中:
每个神经层包括多个神经元,每个神经元包括可执行对象,所述可执行对象从较低层接受一个或多个输入并生成输出;以及
所述编码层是包括多个编码神经元的最低神经层,所述多个编码神经元具有与多个输入信号的1:1的对应关系;
所述多个残差层包括多个残差神经元,每个残差神经元包括没有卷积操作的多个修正线性操作和用于将输入的元素加回到所述残差神经元的求和操作,所述多个残差层中的一个残差层被连接到所述编码层;以及
目标函数,所述目标函数在执行中根据预定目标,从最顶层残差层的输出信号来确定预测结果;
其中,在执行中,所述框架通过所述编码层来获取所述输入信号,并且连续地通过所述多个神经层至所述最顶层残差层来处理所述输入信号;以及
其中,所述目标函数根据所述预定目标,从所述最顶层残差层的所述输出信号来确定所述预测结果,并将所述预测结果提供给请求方。
8.根据权利要求7所述的计算机系统,其中,所述输入信号包括以下中的一项或多项:
用户标识;
查询;
查询的主题;
查询的实体;
关键词;
登广告者;
广告活动;
当日时间;
星期几;
节假日;
季节;
用户的性别;以及
广告。
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微软技术许可有限责任公司,未经微软技术许可有限责任公司许可,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/201780010748.1/1.html,转载请声明来源钻瓜专利网。