[发明专利]一种智能体处理信息的方法及智能体有效

专利信息
申请号: 201910699100.0 申请日: 2013-12-30
公开(公告)号: CN110543945B 公开(公告)日: 2023-05-23
发明(设计)人: 杨强;宋阳秋;梁颖琪;吕正东 申请(专利权)人: 华为技术有限公司
主分类号: G06N5/043 分类号: G06N5/043
代理公司: 北京中博世达专利商标代理有限公司 11274 代理人: 申健
地址: 518129 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 智能 处理 信息 方法
【说明书】:

本申请涉及人工智能领域,公开一种智能体处理信息的方法及智能体,适用于对社交网络中的信息进行学习以及处理时采用。本发明实施例通过第一智能体向第二智能体发送请求消息,所述请求消息包括向所述第二智能体发出的邀请消息或者推荐消息;第一智能体接收第二智能体反馈的决策消息,决策消息为第二智能体根据邀请消息或者推荐消息以及第二智能体的自身知识模型确定的消息;根据决策消息,第一智能体更新自身知识模型或者向第一智能体对应的第一用户账户发送通知消息。采用本发明实施例提供的技术方案可以通过与其他智能体的交互对社交网络中的信息学习以及处理,实现对社交网络上的数据的挖掘。

技术领域

本发明涉及人工智能领域,尤其涉及一种智能体处理信息的方法及智能体。

背景技术

社交网络已经成为互联网越来越重要的组成部分,社交网络中的信息挖掘和分析已经成为重要的方向。在现有技术中,基于独立同分布假设的数据,可以通过分类或者聚类的方法对数据进行学习以及处理。独立同分布指变量序列或者其他随机变量有相同的概率分布,并且变量之间相互独立,即变量取值时不受其他变量的取值的影响。分类的方法指首先对一组有标注的样本进行训练,获得一个分类器,然后测试时,将未进行标注的样本输入分类器,从而可以将未进行标注的样本输出为样本标签。聚类的方法指输入一组未标注的样本,输出为样本的聚类标签。

然而,当采用现有技术对社交网络上的信息进行处理时,由于分类或者聚类的方法针对独立同分布的数据进行处理,而社交网络的信息通常呈现个性化的特征,因此采用传统的分类或者聚类方法对社交网络的信息进行处理不太合适,因此无法完成社交网络的数据挖掘。

发明内容

本发明的实施例提供一种智能体处理信息的方法及智能体,可以通过与其他智能体的交互对社交网络中的信息学习以及处理,完成社交网络上的数据的挖掘。

第一方面,本发明提供一种智能体处理信息的方法,包括:第一智能体向第二智能体发送请求消息,所述请求消息包括向所述第二智能体发出的邀请消息或者推荐消息;所述第一智能体接收所述第二智能体反馈的决策消息,所述决策消息为所述第二智能体根据所述邀请消息或者推荐消息以及所述第二智能体的自身知识模型确定的消息;根据所述决策消息,所述第一智能体更新自身知识模型或者向所述第一智能体对应的第一用户账户发送通知消息。

在第一种可能的实施例中,结合第一方面,所述第一智能体向第二智能体发送请求消息,包括:所述第一智能体在任意时刻向所述第二智能体发送请求消息;或者,所述第一智能体通过学习所述第二智能体对应的第二用户账户的历史发文时间,预测所述第二用户账户的空闲时间,所述第一智能体在所述第二用户账户的空闲时间向所述第二智能体发送请求消息。

在第二种可能的实施例中,结合第一方面,所述第一智能体向第二智能体发送请求消息,包括:所述第一智能体确定发送所述邀请消息或者所述推荐消息的对象为所述第二智能体;向所述第二智能体发送邀请消息或者推荐消息。

在第三种可能的实施例中,结合第一方面中第二种可能的实时例,所述第一智能体确定发送所述邀请消息或者所述推荐消息的对象为所述第二智能体,包括:所述第一智能体根据自身标签以及其他智能体的标签,获得所述第一用户账户对应的第一用户与所述其他智能体对应的用户兴趣相似度的度量值,所述其他智能体指与所述第一智能体存在关联关系的智能体;根据所述度量值,确定所述邀请消息或者所述推荐消息发送的对象为第二智能体。

在第四种可能的实施例中,结合第一方面中第三种可能的实时例,所述第一智能体确定发送所述邀请消息或者所述推荐消息的对象为所述第二智能体,包括:所述第一智能体根据所述其他智能体对应的用户账户的操作信息确定所述邀请消息或者所述推荐消息;根据所述邀请消息或者所述推荐消息,以及所述其他智能体的标签,确定发送所述邀请消息或者所述推荐消息的对象为所述第二智能体。

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华为技术有限公司,未经华为技术有限公司许可,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/201910699100.0/2.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