“朱智韬”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]视图编码器训练方法、物品推荐方法、装置、设备及介质-CN202310727995.0在审
发明人：孔令炜;王健宗;黄章成;朱智韬 -专利权人：平安科技（深圳）有限公司
申请日： 2023-06-16 - 公布日： 2023-09-08 - 主分类号： G06Q30/0601 文献下载
摘要：本发明公开了视图编码器训练方法、物品推荐方法、装置、设备及介质。该视图编码器训练方法可以应用在金融产品购买平台向用户推荐金融产品以及商业购买平台向用户推荐相关商品的场景中，该方法包括：获取第一增强图、第二增强图和高流行度子图；获取第一编码表示、第二编码表示和第三编码表示；获取正样本、第一负样本对和第二负样本对；基于正样本对、第一负样本对和第二负样本对，对原始视图编码器进行更新，获取目标视图编码器。该方法缩小正样本对之间的差异，扩大负样本对之间的差异，使最终更新完成的目标视图编码器在进行视图编码时，减少产生流行度较高的编码表示，实现在进行金融产品以及商品等物品推荐时，降低流行度偏差的目的。
视图编码器训练方法物品推荐装置设备介质

[发明专利]基于人工智能的项目推荐方法、装置、计算机设备及介质-CN202210702599.8有效
发明人：司世景;王健宗;朱智韬 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-21 - 公布日： 2022-09-13 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的项目推荐方法、装置、计算机设备及介质。该方法构建交互图数据，根据交互图数据中每个与节点连接的边，计算节点的增广概率，根据每个节点的增广概率，对交互图数据进行增广处理，将得到的增广处理后的交互图数据构成训练数据集，对推荐模型进行训练，得到训练好的推荐模型，将交互图数据输入训练好的推荐模型，得到每个用户的项目推荐结果，避免热门用户或者热门项目的交互关系对推荐模型产生较大的偏好影响，导致推荐模型泛化能力较低，无法为用户提供精准的项目推荐，且通过增广处理后的交互图数据训练推荐模型，能够充分学习到用户与项目的潜在交互特征，从而提高项目推荐的精准度。
基于人工智能项目推荐方法装置计算机设备介质

[发明专利]推荐模型训练方法、系统、计算机设备及存储介质-CN202210505161.0在审
发明人：司世景;王健宗;朱智韬;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-16 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及人工智能领域，公开了一种推荐模型训练方法、系统、计算机设备及存储介质，其中方法包括：服务器将所有客户端进行K‑means聚类得到多个客户端组合，在每一客户端组合选取相同数量的目标客户端，得到多个目标客户端，并将全局模型发送至每一目标客户端；目标客户端根据本地数据集和全局模型更新目标客户端的推荐模型，并根据本地数据集更新全局模型得到更新参数数据；服务器根据接收到的多个更新参数数据更新全局模型，得到新的全局模型，直至新的全局模型满足收敛条件停止更新推荐模型；本发明提高了模型精度，并确保了不同类别客户端参与的公平性，使得各客户端的推荐模型均具有较好的性能，从而提高了联邦推荐系统的公平性和鲁棒性。
推荐模型训练方法系统计算机设备存储介质

[发明专利]预测模型训练方法、系统、计算机设备及存储介质-CN202210505167.8在审
发明人：司世景;王健宗;朱智韬;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2022-05-10 - 公布日： 2022-08-16 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及区块链领域，公开了一种预测模型训练方法、系统、计算机设备及存储介质，其中方法包括：在接收服务器发送的全局模型后，客户端根据本地训练数据集和全局模型对本地的预测模型进行更新，并根据本地训练数据集对全局模型进行更新得到本地更新梯度，并将本地更新梯度发送至服务器；服务器根据多个客户端发送的本地更新梯度更新全局模型得到新的全局模型，在新的全局模型未满足收敛条件时，将新的全局模型发送至多个客户端，并接收多个客户端返回的本地更新梯度以对全局模型进行更新，直至满足收敛条件时通知客户端将最新的预测模型记录为目标预测模型；本发明减轻了不公平现象，提高了预测模型的精度，从而提高了用户预测效果。
预测模型训练方法系统计算机设备存储介质

[发明专利]基于人工智能的音乐推荐方法、装置、存储介质-CN202210360368.3在审
发明人：司世景;王健宗;朱智韬 -专利权人：平安科技（深圳）有限公司
申请日： 2022-04-07 - 公布日： 2022-07-08 - 主分类号： G06F16/632 文献下载
摘要：本发明公开了一种基于人工智能的音乐推荐方法、装置、存储介质，方法包括：获取目标用户的历史音乐信息，历史音乐信息包括关键词信息和音频信息；对音频信息进行特征提取，得到MFCC特征信息；根据关键词信息从预设的推荐结果池中获取至少两个目标推荐结果；获取预先训练好的第一图卷积模型，将MFCC特征信息输入至第一图卷积模型，得到音乐偏好信息；根据音乐偏好信息确定至少两个目标推荐结果的排序，并输出排序结果。本发明利用历史音乐信息对应的MFCC特征信息作为图卷积模型的输入，相较于现有技术通过对音乐信息随机初始化作为图卷积网络的学习嵌入的方案，本方案能够保留不同音乐的特征信息，从而提高通过图卷积模型实现音乐推荐的准确性。
基于人工智能音乐推荐方法装置存储介质