国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于大模型的資源推薦方法、智能體、裝置、電子設(shè)備以及存儲(chǔ)介質(zhì)與流程

      文檔序號(hào):40281358發(fā)布日期:2024-12-11 13:21閱讀:16來(lái)源:國(guó)知局
      基于大模型的資源推薦方法、智能體、裝置、電子設(shè)備以及存儲(chǔ)介質(zhì)與流程

      本公開(kāi)涉及人工智能,尤其涉及大模型、深度學(xué)習(xí)、智能搜索等,可以應(yīng)用于智能電商、智能視頻推薦等應(yīng)用場(chǎng)景。


      背景技術(shù):

      1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,用戶可以通過(guò)智能手機(jī)等終端設(shè)備便捷地瀏覽新聞、視頻等資源。相關(guān)資源平臺(tái)也可以向用戶來(lái)推薦資源以滿足用戶的實(shí)際需求。


      技術(shù)實(shí)現(xiàn)思路

      1、本公開(kāi)提供了一種基于大模型的資源推薦方法、智能體、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。

      2、根據(jù)本公開(kāi)的一方面,提供了一種基于大模型的資源推薦方法,包括:獲取待處理的多個(gè)初始資源和目標(biāo)對(duì)象的多個(gè)歷史交互資源;基于多個(gè)歷史交互資源與至少一個(gè)初始資源之間的相似度,從多個(gè)歷史交互資源中確定目標(biāo)歷史資源;利用大模型處理目標(biāo)歷史資源,得到初始資源的預(yù)期交互屬性,預(yù)期交互屬性表征目標(biāo)對(duì)象針對(duì)初始資源執(zhí)行的交互操作的屬性;以及基于多個(gè)初始資源各自的預(yù)期交互屬性,向目標(biāo)對(duì)象推薦多個(gè)初始資源中的目標(biāo)資源。

      3、根據(jù)本公開(kāi)的另一方面,提供了一種人工智能的智能體,被配置為執(zhí)行根據(jù)本公開(kāi)實(shí)施例提供的方法。

      4、根據(jù)本公開(kāi)的另一方面,提供了一種基于大模型的資源推薦裝置,包括:獲取模塊,用于獲取待處理的多個(gè)初始資源和目標(biāo)對(duì)象的多個(gè)歷史交互資源;目標(biāo)歷史資源獲得模塊,用于基于多個(gè)歷史交互資源與至少一個(gè)初始資源之間的相似度,從多個(gè)歷史交互資源中確定目標(biāo)歷史資源;預(yù)期交互屬性獲得模塊,用于利用大模型處理目標(biāo)歷史資源,得到初始資源的預(yù)期交互屬性,預(yù)期交互屬性表征目標(biāo)對(duì)象針對(duì)初始資源執(zhí)行的交互操作的屬性;以及推薦模塊,用于基于多個(gè)初始資源各自的預(yù)期交互屬性,向目標(biāo)對(duì)象推薦多個(gè)初始資源中的目標(biāo)資源。

      5、根據(jù)本公開(kāi)的另一方面,提供了一種電子設(shè)備,包括:至少一個(gè)處理器;以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器;其中,所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令,所述指令被所述至少一個(gè)處理器執(zhí)行,以使所述至少一個(gè)處理器能夠執(zhí)行本公開(kāi)實(shí)施例提供的方法。

      6、根據(jù)本公開(kāi)的另一方面,提供了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì),其中,所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行本公開(kāi)實(shí)施例提供的方法。

      7、根據(jù)本公開(kāi)的另一方面,提供了一種計(jì)算機(jī)程序產(chǎn)品,包括計(jì)算機(jī)程序,所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)本公開(kāi)實(shí)施例提供的方法。

      8、應(yīng)當(dāng)理解,本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開(kāi)的實(shí)施例的關(guān)鍵或重要特征,也不用于限制本公開(kāi)的范圍。本公開(kāi)的其它特征將通過(guò)以下的說(shuō)明書(shū)而變得容易理解。



      技術(shù)特征:

      1.一種基于大模型的資源推薦方法,包括:

      2.根據(jù)權(quán)利要求1所述的方法,其中,所述大模型包括特征融合網(wǎng)絡(luò)和多個(gè)專家網(wǎng)絡(luò)層;

      3.根據(jù)權(quán)利要求2所述的方法,其中,所述基于多個(gè)所述專家網(wǎng)絡(luò)層中,與所述預(yù)期交互屬性的推薦場(chǎng)景對(duì)應(yīng)的目標(biāo)專家網(wǎng)絡(luò)層處理所述初始融合特征包括:

      4.根據(jù)權(quán)利要求3所述的方法,其中,所述大模型還包括多個(gè)屬性檢測(cè)頭;

      5.根據(jù)權(quán)利要求2所述的方法,其中,所述利用所述特征融合網(wǎng)絡(luò)處理所述目標(biāo)歷史資源和所述目標(biāo)對(duì)象的對(duì)象屬性信息,得到初始融合特征包括:

      6.根據(jù)權(quán)利要求2所述的方法,其中,所述推薦場(chǎng)景包括以下至少一項(xiàng):

      7.根據(jù)權(quán)利要求1所述的方法,其中,所述基于多個(gè)所述初始資源各自的預(yù)期交互屬性,向所述目標(biāo)對(duì)象推薦多個(gè)所述初始資源中的目標(biāo)資源包括:

      8.根據(jù)權(quán)利要求7所述的方法,其中,利用資源推薦大模型處理多個(gè)所述候選資源,得到目標(biāo)資源包括:

      9.根據(jù)權(quán)利要求8所述的方法,其中,所述利用所述資源推薦大模型的資源特征融合網(wǎng)絡(luò)對(duì)多個(gè)所述候選資源進(jìn)行特征融合,得到與所述同一個(gè)候選資源對(duì)應(yīng)的候選資源融合特征包括:

      10.根據(jù)權(quán)利要求9所述的方法,其中,所述資源特征融合網(wǎng)絡(luò)包括注意力網(wǎng)絡(luò)層、推薦門控層和多個(gè)推薦專家網(wǎng)絡(luò);

      11.根據(jù)權(quán)利要求9所述的方法,其中,所述基于至少一個(gè)所述候選資源各自的候選預(yù)期交互屬性,確定所述目標(biāo)資源包括:

      12.根據(jù)權(quán)利要求1所述的方法,其中,所述獲取待處理的多個(gè)初始資源包括:

      13.根據(jù)權(quán)利要求1所述的方法,其中,所述預(yù)期交互屬性包括以下至少一項(xiàng):

      14.一種人工智能的智能體,被配置為執(zhí)行根據(jù)權(quán)利要求1至13中任一項(xiàng)所述的方法。

      15.一種基于大模型的資源推薦裝置,包括:

      16.根據(jù)權(quán)利要求15所述的裝置,其中,所述大模型包括特征融合網(wǎng)絡(luò)和多個(gè)專家網(wǎng)絡(luò)層;

      17.根據(jù)權(quán)利要求16所述的裝置,其中,所述預(yù)期交互屬性獲得子模塊包括:

      18.根據(jù)權(quán)利要求17所述的裝置,其中,所述大模型還包括多個(gè)屬性檢測(cè)頭;

      19.根據(jù)權(quán)利要求16所述的裝置,其中,所述初始融合特征獲得子模塊包括:

      20.根據(jù)權(quán)利要求16所述的裝置,其中,所述推薦場(chǎng)景包括以下至少一項(xiàng):

      21.根據(jù)權(quán)利要求15所述的裝置,其中,所述推薦模塊包括:

      22.根據(jù)權(quán)利要求21所述的裝置,其中,所述目標(biāo)資源獲得子模塊包括:

      23.根據(jù)權(quán)利要求22所述的裝置,其中,所述候選資源融合特征獲得單元包括:

      24.根據(jù)權(quán)利要求23所述的裝置,其中,所述資源特征融合網(wǎng)絡(luò)包括注意力網(wǎng)絡(luò)層、推薦門控層和多個(gè)推薦專家網(wǎng)絡(luò);

      25.根據(jù)權(quán)利要求23所述的裝置,其中,所述目標(biāo)資源確定單元包括:

      26.根據(jù)權(quán)利要求15所述的裝置,其中,所述獲取模塊包括:

      27.根據(jù)權(quán)利要求15所述的裝置,其中,所述預(yù)期交互屬性包括以下至少一項(xiàng):

      28.一種電子設(shè)備,包括:

      29.一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì),其中,所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行根據(jù)權(quán)利要求1至14中任一項(xiàng)所述的方法。

      30.一種計(jì)算機(jī)程序產(chǎn)品,包括計(jì)算機(jī)程序,所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1至14中任一項(xiàng)所述的方法。


      技術(shù)總結(jié)
      本公開(kāi)提供了基于大模型的資源推薦方法、智能體、裝置、電子設(shè)備以及存儲(chǔ)介質(zhì),涉及人工智能技術(shù)領(lǐng)域,尤其涉及大模型、深度學(xué)習(xí)、智能搜索等技術(shù)領(lǐng)域,可以應(yīng)用于智能電商、智能視頻推薦等應(yīng)用場(chǎng)景。該方法包括:一種基于大模型的資源推薦方法,包括:獲取待處理的多個(gè)初始資源和目標(biāo)對(duì)象的多個(gè)歷史交互資源;基于多個(gè)歷史交互資源與至少一個(gè)初始資源之間的相似度,從多個(gè)歷史交互資源中確定目標(biāo)歷史資源;利用大模型處理目標(biāo)歷史資源,得到初始資源的預(yù)期交互屬性,預(yù)期交互屬性表征目標(biāo)對(duì)象針對(duì)初始資源執(zhí)行的交互操作的屬性;以及基于多個(gè)初始資源各自的預(yù)期交互屬性,向目標(biāo)對(duì)象推薦多個(gè)初始資源中的目標(biāo)資源。

      技術(shù)研發(fā)人員:秦首科,周媛,盧玉奇,李善濤,顧正東,鄭宇航,王朝旭,劉慧捷,曾康,趙子漢,邢智皓,吳宗剛,邵院華
      受保護(hù)的技術(shù)使用者:北京百度網(wǎng)訊科技有限公司
      技術(shù)研發(fā)日:
      技術(shù)公布日:2024/12/10
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1