一种基于多视角数据和循环网络构建序列预测模型的方法.pdf
一吃****仕龙
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于多视角数据和循环网络构建序列预测模型的方法.pdf
本发明公开了一种基于多视角数据和循环网络的序列预测方法,其包括:获取多个用户在不同时刻购买的多个物品的数据,并对数据进行预处理;对所述预处理后的数据进行组合获取物品表达,将各用户物品表达按购买时间排序,形成用户序列;将当前用户序列送到循环网络模型的输入端进行训练;所述循环网络的处理端建立当前用户的表达,输出端计算当前用户对物品的偏好值;更新所述循环网络模型参数;将下一用户序列送到循环网络的输入端进行训练,直至所有用户序列都训练一次称为一次迭代;每次迭代更新全部偏好值的和,迭代多次,直至偏好值的和达到极大值
基于多维时间序列数据进行预测或训练模型的方法和系统.pdf
公开了一种用于基于多维时间序列数据进行预测的方法,包括:监测多维时间序列数据流以获取当前观察点,当前观察点包括多维特征数据;基于当前观察点,应用经训练的神经过程模型进行预测,神经过程模型是使用多个先前观察点训练的,每个先前观察点包括多维特征数据和相应的标签数据,其中神经过程模型包括编码器和解码器,编码器包括互关注模块,互关注模块基于当前观察点的多维特征数据与一个或多个先前观察点的多维特征数据之间的关联向多个先前观察点分配权重,以用于最终生成当前观察点的目标预测。本申请还涉及其它方法、系统、装置和计算机可读
一种基于数据压缩的网络模型构建方法、系统和介质.pdf
一种基于数据压缩的网络模型构建方法、系统及介质,该方法包括:S100,构建用于对神经架构搜索的原始数据集进行数据压缩的蒸馏器;S200,将蒸馏器用于合成高密度蒸馏数据;S300,将合成的高密度蒸馏数据用于进行神经架构搜索,从而搜索出最优网络模型。本发明通过蒸馏器来压缩数据集,通过去除用于神经架构搜索的大规模数据集中的冗余信息,将大规模数据集转化为小规模数据集,并尽量多地保留大规模数据集中的信息。压缩后的小规模数据集能够极大地减少神经架构搜索中训练不同模型所需的计算量,加速模型搜索。
一种构建序列推荐模型的方法和序列推荐方法.pdf
本申请公开了一种构建序列推荐模型的方法和序列推荐方法,包括:构建输入序列的自适应邻接矩阵,基于自适应邻接矩阵构建项目第一嵌入;基于图神经网络的邻接矩阵构建项目第二嵌入;根据项目第一嵌入和项目第二嵌入,通过注意力机制构建用户的局部兴趣模型;构建用户的全局兴趣模型和目标序列的嵌入,并根据目标序列的嵌入、用户的局部兴趣模型和全局兴趣模型构建序列推荐模型;基于梯度下降及贝叶斯个性化排序构建序列推荐模型的损失函数。该序列推荐模型无需依赖于现有的构图方式以及先验知识,通过自动学习边与边的权重,避免噪音点带来的不合适的
基于事件序列进行业务预测的方法、神经网络模型和装置.pdf
本说明书实施例提供一种基于事件序列进行业务预测的方法和神经网络模型。在该方法中,首先获取目标事件序列,其中包含τ个事件;事件的类别型字段的备选类别值被视为实体。然后确定单个事件对应的事件嵌入向量;τ个事件的事件嵌入向量构成嵌入矩阵。接着,利用分配矩阵对嵌入矩阵进行线性变换,基于线性变换结果得到实体表征矩阵;其中,分配矩阵指示各事件对各实体的包含关系。进一步的,对实体表征矩阵中对应于同一字段的矩阵部分进行池化操作,得到该字段对应的字段表征向量;再基于各字段表征向量,确定目标事件序列对应的条件嵌入向量。从而至