JP2021193595A - 会話推薦方法、装置及び機器 - Google Patents
会話推薦方法、装置及び機器 Download PDFInfo
- Publication number
- JP2021193595A JP2021193595A JP2021148407A JP2021148407A JP2021193595A JP 2021193595 A JP2021193595 A JP 2021193595A JP 2021148407 A JP2021148407 A JP 2021148407A JP 2021148407 A JP2021148407 A JP 2021148407A JP 2021193595 A JP2021193595 A JP 2021193595A
- Authority
- JP
- Japan
- Prior art keywords
- node
- feature vector
- determining
- weight
- conversation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000013598 vector Substances 0.000 claims abstract description 270
- 230000015654 memory Effects 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/954—Navigation, e.g. using categorised browsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Discrete Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
Description
現在の会話に対応する有向グラフを取得するステップであって、ここで、前記現在の会話には複数のクリックされたオブジェクトが含まれ、前記有向グラフには複数のノード及びノード間の有向エッジが含まれ、前記複数のノードが前記複数のクリックされたオブジェクトにそれぞれ対応し、前記有向エッジがノード間の関係データを表すステップと、
各前記ノードの特徴ベクトル及び前記関係データに基づいて、前記有向グラフ内の前記ノードに対応する各前記有向エッジのアテンションの重みを決定するステップと、
各前記ノードに対して、前記関係データ及び前記アテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するステップと、
各前記ノードの新たな特徴ベクトルに基づいて、前記現在の会話の特徴ベクトルを決定するステップと、
前記現在の会話の特徴ベクトルに基づいて、オブジェクト推薦を行うステップと、を含む。
現在の会話に対応する有向グラフを取得するための第1の取得モジュールであって、ここで、前記現在の会話には複数のクリックされたオブジェクトが含まれ、前記有向グラフには複数のノード及びノード間の有向エッジが含まれ、前記複数のノードが前記複数のクリックされたオブジェクトにそれぞれ対応し、前記有向エッジがノード間の関係データを表す第1の取得モジュールと、
各前記ノードの特徴ベクトル及び前記関係データに基づいて、前記有向グラフ内の前記ノードに対応する各前記有向エッジのアテンションの重みを決定するための第1の決定モジュールと、
各前記ノードに対して、前記関係データ及び前記アテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するための第2の決定モジュールと、
各前記ノードの新たな特徴ベクトルに基づいて、前記現在の会話の特徴ベクトルを決定するための第3の決定モジュールと、
前記現在の会話の特徴ベクトルに基づいて、オブジェクト推薦を行うための第1の実行モジュールと、を含む。
少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサに通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶され、前記命令は、前記少なくとも1つのプロセッサが本願の第1の態様に記載の会話推薦方法を実行できるように、前記少なくとも1つのプロセッサによって実行される。
第5の態様によれば、コンピュータプログラムを提供し、前記コンピュータプログラムは、コンピュータに本願の第1の態様に記載の会話推薦方法を実行させる。
現在の会話に対応する有向グラフを取得し、ここで、現在の会話には複数のクリックされたオブジェクトが含まれ、有向グラフには複数のノード及びノード間の有向エッジが含まれ、複数のノードが複数のクリックされたオブジェクトにそれぞれ対応し、有向エッジがノード間の関係データを表し、次に、各ノードの特徴ベクトル及び関係データに基づいて、有向グラフ内のノードに対応する各有向エッジのアテンションの重みを決定し、その後、各ノードに対して、関係データ及びアテンションの重みに基づいて、ノードの新たな特徴ベクトルを決定し、続いて、各ノードの新たな特徴ベクトルに基づいて、現在の会話の特徴ベクトルを決定し、さらに、現在の会話の特徴ベクトルに基づいて、オブジェクト推薦を行う。これにより、現在の会話に対応する有向グラフを取得し、有向グラフ内のノードの特徴ベクトル及び関係データと組み合わせることにより、有向グラフ内の有向エッジのアテンションの重みを適応的に決定し、続いて、決定された重みに基づいてノードを表すことができ、有用な情報を効率的に学習し、会話推薦結果の精度を向上させることができる。
は、i番目のノードの新たな特徴ベクトルを表し、
は、j番目のノードの元の特徴ベクトルを表し、
は、i番目のノードとj番目のノードとの正規化係数を表し、Wkは、K個のアテンションメカニズムに対応する重み行列を表し、σは、非線形活性化関数を表す。
であり、ここで、viは、有向グラフ内のi番目のノードを表し、Wは、当該レイヤーのノード特徴変換の重みパラメータを表し、a()は、ノードと隣接ノードとの2つのノード間の類似度関数を表す。ここで、類似度関数は、ベクトルの内積を選択してもよく、パラメータ付きのニューラルネットワークを選択してもよい。
注:実験1と2の違いは、学習率の減衰戦略が異なることであり、実験1は指数減衰を採用し、実験2は段階的減少スキームを採用する。
本願の実施例によれば、本願は、コンピュータプログラムを提供し、コンピュータプログラムは、コンピュータに本願によって提供される会話推薦方法を実行させる。
Claims (19)
- 会話推薦方法であって、
現在の会話に対応する有向グラフを取得するステップであって、前記現在の会話には複数のクリックされたオブジェクトが含まれ、前記有向グラフには複数のノード及びノード間の有向エッジが含まれ、前記複数のノードが前記複数のクリックされたオブジェクトにそれぞれ対応し、前記有向エッジがノード間の関係データを表すステップと、
各前記ノードの特徴ベクトル及び前記関係データに基づいて、前記有向グラフ内の前記ノードに対応する各前記有向エッジのアテンションの重みを決定するステップと、
各前記ノードに対して、前記関係データ及び前記アテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するステップと、
各前記ノードの新たな特徴ベクトルに基づいて、前記現在の会話の特徴ベクトルを決定するステップと、
前記現在の会話の特徴ベクトルに基づいて、オブジェクト推薦を行うステップと、を含む、
ことを特徴とする会話推薦方法。 - 前記各前記ノードの特徴ベクトル及び前記関係データに基づいて、前記有向グラフ内の前記ノードに対応する各前記有向エッジのアテンションの重みを決定するステップは、
各前記ノードに対して、前記関係データに基づいて、前記ノードの隣接ノードを取得するステップと、
前記ノードの特徴ベクトル及び前記隣接ノードの特徴ベクトルに基づいて、前記ノードと前記隣接ノードとの間の相関係数の重みを決定するステップと、
前記相関係数の重みに基づいて、前記隣接ノードに対する前記ノードのアテンションの重みを決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記ノードの特徴ベクトル及び前記隣接ノードの特徴ベクトルに基づいて、前記ノードと前記隣接ノードとの間の相関係数の重みを決定するステップは、
前記ノードの特徴ベクトル及び前記隣接ノードの特徴ベクトルに対してそれぞれ線形変換を行って、前記ノードの中間特徴ベクトル及び前記隣接ノードの中間特徴ベクトルを取得するステップと、
前記ノードの中間特徴ベクトル及び前記隣接ノードの中間特徴ベクトルに基づいて、前記ノードと前記隣接ノードとの間の類似度を決定するステップと、
前記類似度に基づいて、前記ノードと前記隣接ノードとの間の相関係数の重みを決定するステップと、を含む、
ことを特徴とする請求項2に記載の方法。 - 前記相関係数の重みに基づいて、前記隣接ノードに対する前記ノードのアテンションの重みを決定するステップは、
前記相関係数の重みを正規化して、正規化された相関係数の重みを取得するステップと、
前記正規化された相関係数の重みに基づいて、前記隣接ノードに対する前記ノードのアテンションの重みを決定するステップと、を含む、
ことを特徴とする請求項2に記載の方法。 - 前記関係データ及び前記アテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するステップは、
前記関係データに基づいて、前記ノードの隣接ノードを取得するステップと、
前記ノードと前記隣接ノードとの間の対応する有向エッジを取得するステップと、
前記対応する有向エッジのアテンションの重みを取得するステップと、
前記隣接ノードの特徴ベクトル及び前記対応する有向エッジのアテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記隣接ノードの特徴ベクトル及び前記対応する有向エッジのアテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するステップは、
前記隣接ノードの特徴ベクトルに対して線形変換を行って、前記隣接ノードの中間特徴ベクトルを取得するステップと、
前記対応する有向エッジのアテンションの重みに基づいて、前記中間特徴ベクトルに対して加重加算を行って、前記ノードの新たな特徴ベクトルを取得するステップと、を含む、
ことを特徴とする請求項5に記載の方法。 - 前記各前記ノードの新たな特徴ベクトルに基づいて、前記現在の会話の特徴ベクトルを決定するステップは、
前記現在の会話内のクリックされたオブジェクトのソート順を取得するステップと、
前記ソート順に基づいて、前記有向グラフ内の各前記ノードの位置情報を決定するステップと、
各前記ノードの位置情報に対してベクトル表示を行って、各前記ノードの位置表示ベクトルを取得するステップと、
各前記ノードに対して、前記ノードの位置表示ベクトル及び前記新たな特徴ベクトルに基づいて、前記ノードのターゲット特徴ベクトルを決定するステップと、
各前記ノードのターゲット特徴ベクトルに基づいて、前記現在の会話の特徴ベクトルを決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記現在の会話の特徴ベクトルに基づいて、オブジェクト推薦を行うステップは、
オブジェクトデータベース内の各オブジェクトの特徴ベクトルと前記現在の会話の特徴ベクトルとの間の類似度を計算するステップと、
前記類似度に基づいて、前記現在の会話における前記オブジェクトデータベース内の各オブジェクトのクリック確率を決定するステップと、
前記クリック確率の大きい順に、前記オブジェクトデータベース内の各オブジェクトをソートして、ソート結果を取得するステップと、
前記ソート結果から上位K個のオブジェクトを選択し、前記K個のオブジェクトに基づいてオブジェクト推薦を行うステップであって、Kは1以上の整数であるステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 会話推薦装置であって、
現在の会話に対応する有向グラフを取得するための第1の取得モジュールであって、前記現在の会話には複数のクリックされたオブジェクトが含まれ、前記有向グラフには複数のノード及びノード間の有向エッジが含まれ、前記複数のノードが前記複数のクリックされたオブジェクトにそれぞれ対応し、前記有向エッジがノード間の関係データを表すための第1の取得モジュールと、
各前記ノードの特徴ベクトル及び前記関係データに基づいて、前記有向グラフ内の前記ノードに対応する各前記有向エッジのアテンションの重みを決定するための第1の決定モジュールと、
各前記ノードに対して、前記関係データ及び前記アテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するための第2の決定モジュールと、
各前記ノードの新たな特徴ベクトルに基づいて、前記現在の会話の特徴ベクトルを決定するための第3の決定モジュールと、
前記現在の会話の特徴ベクトルに基づいて、オブジェクト推薦を行うための第1の実行モジュールと、を含む、
ことを特徴とする会話推薦装置。 - 前記第1の決定モジュールが、
各前記ノードに対して、前記関係データに基づいて、前記ノードの隣接ノードを取得するための第1の取得ユニットと、
前記ノードの特徴ベクトル及び前記隣接ノードの特徴ベクトルに基づいて、前記ノードと前記隣接ノードとの間の相関係数の重みを決定するための第1の決定ユニットと、
前記相関係数の重みに基づいて、前記隣接ノードに対する前記ノードのアテンションの重みを決定するための第2の決定ユニットと、を含む、
ことを特徴とする請求項9に記載の装置。 - 前記第1の決定ユニットが、
前記ノードの特徴ベクトル及び前記隣接ノードの特徴ベクトルに対してそれぞれ線形変換を行って、前記ノードの中間特徴ベクトル及び前記隣接ノードの中間特徴ベクトルを取得し、
前記ノードの中間特徴ベクトル及び前記隣接ノードの中間特徴ベクトルに基づいて、前記ノードと前記隣接ノードとの間の類似度を決定し、
前記類似度に基づいて、前記ノードと前記隣接ノードとの間の相関係数の重みを決定する、
ことを特徴とする請求項10に記載の装置。 - 前記第2の決定ユニットが、
前記相関係数の重みを正規化して、正規化された相関係数の重みを取得し、
前記正規化された相関係数の重みに基づいて、前記隣接ノードに対する前記ノードのアテンションの重みを決定する、
ことを特徴とする請求項10に記載の装置。 - 前記第2の決定モジュールが、
前記関係データに基づいて、前記ノードの隣接ノードを取得するための第2の取得ユニットと、
前記ノードと前記隣接ノードとの間の対応する有向エッジを取得するための第3の取得ユニットと、
前記対応する有向エッジのアテンションの重みを取得するための第4の取得ユニットと、
前記隣接ノードの特徴ベクトル及び前記対応する有向エッジのアテンションの重みに基づいて、前記ノードの新たな特徴ベクトルを決定するための第3の決定ユニットと、を含む、
ことを特徴とする請求項9に記載の装置。 - 前記第3の決定ユニットが、
前記隣接ノードの特徴ベクトルに対して線形変換を行って、前記隣接ノードの中間特徴ベクトルを取得し、
前記対応する有向エッジのアテンションの重みに基づいて、前記中間特徴ベクトルに対して加重加算を行って、前記ノードの新たな特徴ベクトルを取得する、
ことを特徴とする請求項13に記載の装置。 - 前記第3の決定モジュールが、
前記現在の会話内のクリックされたオブジェクトのソート順を取得するための第5の取得ユニットと、
前記ソート順に基づいて、前記有向グラフ内の各前記ノードの位置情報を決定するための第4の決定ユニットと、
各前記ノードの位置情報に対してベクトル表示を行って、各前記ノードの位置表示ベクトルを取得するための第5の決定ユニットと、
各前記ノードに対して、前記ノードの位置表示ベクトル及び前記新たな特徴ベクトルに基づいて、前記ノードのターゲット特徴ベクトルを決定するための第6の決定ユニットと、
各前記ノードのターゲット特徴ベクトルに基づいて、前記現在の会話の特徴ベクトルを決定するための第7の決定ユニットと、を含む、
ことを特徴とする請求項9に記載の装置。 - 前記第1の実行モジュールが、
オブジェクトデータベース内の各オブジェクトの特徴ベクトルと前記現在の会話の特徴ベクトルとの間の類似度を計算し、
前記類似度に基づいて、前記現在の会話における前記オブジェクトデータベース内の各オブジェクトのクリック確率を決定し、
前記クリック確率の大きい順に、前記オブジェクトデータベース内の各オブジェクトをソートして、ソート結果を取得し、
前記ソート結果から上位K個のオブジェクトを選択し、前記K個のオブジェクトに基づいてオブジェクト推薦を行い、Kは1以上の整数である、
ことを特徴とする請求項9に記載の装置。 - 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサに通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶され、前記命令は、前記少なくとも1つのプロセッサが請求項1〜8のいずれかに記載の会話推薦方法を実行できるように、前記少なくとも1つのプロセッサによって実行される、
ことを特徴とする電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令は、コンピュータに請求項1〜8のいずれかに記載の会話推薦方法を実行させる、
ことを特徴とする非一時的なコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムであって、
前記コンピュータプログラムは、コンピュータに請求項1〜8のいずれかに記載の会話推薦方法を実行させる、
ことを特徴とするコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010996994.2A CN112148975A (zh) | 2020-09-21 | 2020-09-21 | 会话推荐方法、装置及设备 |
CN202010996994.2 | 2020-09-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021193595A true JP2021193595A (ja) | 2021-12-23 |
JP7262539B2 JP7262539B2 (ja) | 2023-04-21 |
Family
ID=73893950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021148407A Active JP7262539B2 (ja) | 2020-09-21 | 2021-09-13 | 会話推薦方法、装置及び機器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210374356A1 (ja) |
EP (1) | EP3901788A3 (ja) |
JP (1) | JP7262539B2 (ja) |
KR (1) | KR20210106398A (ja) |
CN (1) | CN112148975A (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733018B (zh) * | 2020-12-31 | 2022-12-06 | 哈尔滨工程大学 | 一种基于图神经网络gnn和多任务学习的会话推荐方法 |
CN113868537B (zh) * | 2021-10-19 | 2022-07-05 | 山东省人工智能研究院 | 一种基于多行为会话图融合的推荐方法 |
CN114579851B (zh) * | 2022-02-25 | 2023-03-14 | 电子科技大学 | 一种基于自适应性节点特征生成的信息推荐方法 |
US20230306204A1 (en) * | 2022-03-22 | 2023-09-28 | International Business Machines Corporation | Mining asynchronous support conversation using attributed directly follows graphing |
CN114707070A (zh) * | 2022-04-12 | 2022-07-05 | 华为技术有限公司 | 一种用户行为预测方法及其相关设备 |
CN115221413B (zh) * | 2022-08-03 | 2023-04-14 | 湖北工业大学 | 一种基于交互式图注意力网络的序列推荐方法及系统 |
CN116342228B (zh) * | 2023-05-18 | 2023-10-20 | 云筑信息科技(成都)有限公司 | 一种基于有向图神经网络的相关推荐的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012098845A (ja) * | 2010-10-29 | 2012-05-24 | Rakuten Inc | 情報処理装置、情報処理システム、情報処理プログラム、情報処理プログラムを記録したコンピュータ読み取り可能な記録媒体、及び情報処理方法 |
CN111046257A (zh) * | 2019-12-09 | 2020-04-21 | 北京百度网讯科技有限公司 | 一种会话推荐方法、装置以及电子设备 |
CN111667067A (zh) * | 2020-05-28 | 2020-09-15 | 平安医疗健康管理股份有限公司 | 基于图神经网络的推荐方法、装置和计算机设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816101A (zh) * | 2019-01-31 | 2019-05-28 | 中科人工智能创新技术研究院(青岛)有限公司 | 一种基于图卷积神经网络的会话序列推荐方法及系统 |
US11544535B2 (en) * | 2019-03-08 | 2023-01-03 | Adobe Inc. | Graph convolutional networks with motif-based attention |
CN110490717B (zh) * | 2019-09-05 | 2021-11-05 | 齐鲁工业大学 | 基于用户会话及图卷积神经网络的商品推荐方法及系统 |
-
2020
- 2020-09-21 CN CN202010996994.2A patent/CN112148975A/zh active Pending
-
2021
- 2021-08-10 US US17/399,016 patent/US20210374356A1/en active Pending
- 2021-08-10 KR KR1020210105265A patent/KR20210106398A/ko not_active Application Discontinuation
- 2021-08-11 EP EP21190808.2A patent/EP3901788A3/en not_active Ceased
- 2021-09-13 JP JP2021148407A patent/JP7262539B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012098845A (ja) * | 2010-10-29 | 2012-05-24 | Rakuten Inc | 情報処理装置、情報処理システム、情報処理プログラム、情報処理プログラムを記録したコンピュータ読み取り可能な記録媒体、及び情報処理方法 |
CN111046257A (zh) * | 2019-12-09 | 2020-04-21 | 北京百度网讯科技有限公司 | 一种会话推荐方法、装置以及电子设备 |
CN111667067A (zh) * | 2020-05-28 | 2020-09-15 | 平安医疗健康管理股份有限公司 | 基于图神经网络的推荐方法、装置和计算机设备 |
Non-Patent Citations (1)
Title |
---|
H. WANG 外: "Session-Based Graph Convolutional ARMA Filter Recommendation Model", IEEE ACCESS, vol. 8, JPN6022051600, 30 March 2020 (2020-03-30), pages 62053 - 62064, XP011782986, ISSN: 0004938134, DOI: 10.1109/ACCESS.2020.2984039 * |
Also Published As
Publication number | Publication date |
---|---|
JP7262539B2 (ja) | 2023-04-21 |
EP3901788A3 (en) | 2022-03-09 |
KR20210106398A (ko) | 2021-08-30 |
CN112148975A (zh) | 2020-12-29 |
US20210374356A1 (en) | 2021-12-02 |
EP3901788A2 (en) | 2021-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021193595A (ja) | 会話推薦方法、装置及び機器 | |
CN112507715B (zh) | 确定实体之间关联关系的方法、装置、设备和存储介质 | |
CN112860866B (zh) | 语义检索方法、装置、设备以及存储介质 | |
CN111737954B (zh) | 文本相似度确定方法、装置、设备和介质 | |
CN111311321B (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
CN111967256B (zh) | 事件关系的生成方法、装置、电子设备和存储介质 | |
US20110282861A1 (en) | Extracting higher-order knowledge from structured data | |
JP7395445B2 (ja) | 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器 | |
CN111950254B (zh) | 搜索样本的词特征提取方法、装置、设备以及存储介质 | |
JP7113097B2 (ja) | テキストエンティティの語義記述処理方法、装置及び機器 | |
KR20220003085A (ko) | 검색 결과를 결정하는 방법, 장치, 기기 및 컴퓨터 기록 매체 | |
CN111582479B (zh) | 神经网络模型的蒸馏方法和装置 | |
CN111667056B (zh) | 用于搜索模型结构的方法和装置 | |
EP4006909B1 (en) | Method, apparatus and device for quality control and storage medium | |
JP2021166098A (ja) | 検索語の推薦方法と装置、目的モデルの訓練方法と装置、電子デバイス、記憶媒体、及びプログラム | |
CN111274407B (zh) | 知识图谱中三元组置信度计算方法和装置 | |
CN113553414B (zh) | 智能对话方法、装置、电子设备和存储介质 | |
US11829447B2 (en) | Resident area prediction method, apparatus, device, and storage medium | |
CN112699215B (zh) | 基于胶囊网络与交互注意力机制的评级预测方法及系统 | |
JP7295200B2 (ja) | 汎化処理方法、装置、デバイス、コンピュータ記憶媒体及びプログラム | |
CN111966782B (zh) | 多轮对话的检索方法、装置、存储介质及电子设备 | |
CN111241838B (zh) | 文本实体的语义关系处理方法、装置及设备 | |
CN112288483A (zh) | 用于训练模型的方法和装置、用于生成信息的方法和装置 | |
JP2020008836A (ja) | 語彙テーブルの選択方法、装置およびコンピュータ読み取り可能な記憶媒体 | |
CN112328896B (zh) | 用于输出信息的方法、装置、电子设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211020 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230303 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7262539 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |