“程婉玉”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]景点推荐模型的构建方法、景点推荐方法及系统-CN202211402849.2在审
发明人：刘典智;郭伟;程婉玉;李健 -专利权人：携程旅游信息技术（上海）有限公司
申请日： 2022-11-09 - 公布日： 2023-01-31 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种景点推荐模型的构建方法、景点推荐方法及系统，通过历史样本数据获取历史场景类特征数据和历史非场景类特征数据，其中，历史场景类特征数据是通过预设先验领域知识中与景点推荐相关度高于设定阈值的设定特征数据与预设场景类特征数据交叉处理得到的，基于历史场景类特征数据和历史非场景类特征数据进行模型训练，以构建景点推荐模型，利用领域知识特征交叉处理模块，提高了领域知识对模型学习的指导作用，并且利用多类型特征交叉模块，充分对场景类特征以及非场景类特征进行交叉计算，提高了模型的泛化能力，进而提高模型训练的精度，有效提高了景点推荐结果的准确度以及可靠性，从而提升用户的使用体验感。
景点推荐模型构建方法系统

[发明专利]推荐模型训练方法、推荐方法、设备及存储介质-CN202210980946.3在审
发明人：郭伟;刘典智;王荣生;程婉玉;李健 -专利权人：携程旅游信息技术（上海）有限公司
申请日： 2022-08-16 - 公布日： 2022-11-04 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供了一种推荐模型训练方法、推荐方法、设备及存储介质，该方法包括：获取第一推荐模型和深度交叉场景特征网络单元；基于所述第一推荐模型和所述深度交叉场景特征网络单元构建第二推荐模型，所述深度交叉场景特征网络单元配置为将非场景特征和场景特征进行交叉组合；采集第一样本数据集，所述第一样本数据集中每个样本的数据包括场景特征、非场景特征和所对应的推荐结果标签；以及基于所述第一样本数据集训练所述第二推荐模型。本发明开发了深度交叉场景特征的深度网络单元，可以灵活嵌入到推荐系统的召回和/或排序深度模型中，达到共享多场景数据和更好地匹配各场景数据分布的目的。
推荐模型训练方法设备存储介质

[发明专利]模型训练方法、产品点击率预测方法、系统、设备及介质-CN202210583609.0在审
发明人：郭伟;李健;程婉玉 -专利权人：携程旅游信息技术（上海）有限公司
申请日： 2022-05-25 - 公布日： 2022-08-09 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种模型训练方法、产品点击率预测方法、系统、设备及介质，该模型训练方法通过获取待训练数据；从训练用户的特征数据、训练产品的特征数据和训练用户的请求特征数据中筛选出先验特征数据和非先验特征数据；将先验特征数据、非先验特征数据和点击交互数据输入第一模型进行训练，以得到产品预测模型。本发明通过加入加强先验特征的第二神经网络层，有效的帮助模型更好的学习到先验特征，解决了先验强相关的特征在产品预测模型中学习效果不明显的问题，增强了模型的预测效果，有效的提高了产品被用户点击的概率值的预测准确性。
模型训练方法产品点击率预测系统设备介质

[发明专利]产品评价模型的训练方法、产品评价方法及装置、设备-CN202210407074.1在审
发明人：王荣生;程婉玉;李健 -专利权人：上海携旅信息技术有限公司
申请日： 2022-04-18 - 公布日： 2022-07-05 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种产品评价模型的训练方法、产品评价方法及装置、设备，该训练方法包括：获取产品的样本数据，所述样本数据包括第一样本特征数据、第二样本特征数据和样本评价数据；将所述第一样本特征数据输入产品评价模型的单调网络模块，将所述第二样本特征数据输入产品评价模型的非单调网络模块，输出所述产品的评价数据；根据所述样本评价数据和输出的评价数据计算损失；并根据所述损失调整所述产品评价模型的参数，直至满足预设收敛条件。本发明通过产品评价模型的单调网络模块与非单调网络模块的联合训练，可以保证产品的部分特征与输出的评价数据之间的单调关系，同时还可以提高产品评价模型的性能，进而提高产品评价结果的准确性。
产品评价模型训练方法装置设备

[发明专利]资源推荐方法、图卷积神经网络模型训练方法及设备-CN202210108688.X在审
发明人：王荣生;程婉玉;李健 -专利权人：上海携旅信息技术有限公司
申请日： 2022-01-28 - 公布日： 2022-04-29 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供了资源推荐方法、图卷积神经网络模型训练方法及设备，使用资源推荐方法，在响应于目标用户的输入获得候选资源的信息的情况下，获取目标用户所对应的图卷积神经网络模型，将候选资源的信息输入图卷积神经网络模型，在图卷积神经网络模型中，以候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，节点为资源属性特征或资源节点，将推荐资源的信息发送给客户端。本发明采用图卷积神经网络模型进行节点预测，从而可以根据候选资源逐级预测出推荐资源，相比于现有采用知识图谱的遍历查询方案，推荐资源能够更准确地体现用户的兴趣，资源推荐准确度高，提升用户体验感。
资源推荐方法图卷神经网络模型训练设备