[发明专利]广告推荐方法及相关产品

权利要求书

1.一种广告推荐方法，其特征在于，应用于计算装置内，所述计算装置包括运算单元和直接内存访问DMA单元，所述DMA单元包括DMA控制器和寄存器模块；所述方法包括：

所述DMA控制器接收DMA指令，并根据所述DMA指令从所述寄存器模块获取第一地址和第二地址，所述第一地址和第二地址还标记所属的存储空间的类型，若所述存储空间是外部存储设备，则所述第一地址和第二地址还标记所属的流，所述流为多条用户数据交替传送时的分组；若所述存储空间为内部存储模块，则所述第一地址和第二地址还标记所属内部存储模块的子模块；所述DMA控制器从所述第一地址对应的存储空间获取待处理的用户数据，所述用户数据用于为所述用户推荐感兴趣的商品推荐信息；

所述运算单元获取运算指令，以调用所述运算指令对所述用户数据进行处理，从而获得所述用户数据对应的商品推荐信息；并将所述商品推荐信息发送至所述DMA单元；其中，所述运算指令为预先设置的用于商品预测和推荐的指令，所述商品推荐信息包括为所述用户推荐的至少一个目标商品；

所述DMA单元的DMA控制器将所述商品推荐信息存储至所述第二地址对应的存储空间中。

2.根据权利要求1所述的方法，其特征在于，所述用户数据包括以下中的至少一项：用户行为数据、用户体征数据、群体数据以及时间数据，所述用户行为数据用于指示所述用户的历史商品记录，所述用户体征数据用于指示所述用户的生理数据，所述群体数据用于指示和所述用户处于同一地理区域范围内的其他用户数据，所述时间数据用于指示产生所述用户行为数据所对应的时间。

3.根据权利要求1所述的方法，其特征在于，所述计算装置还包括寄存器单元以及控制器单元，所述运算单元获得运算指令，以调用所述运算指令对所述用户数据进行处理，从而获得所述用户数据对应的商品推荐信息包括：

所述控制器单元从所述寄存器单元中提取网络模型关联的运算指令，并发送给所述运算单元；

所述运算单元调用所述网络模型关联的运算指令，对所述用户数据进行特征提取，从而获得针对多个商品各自的推荐信息，所述推荐信息至少包括所述商品的得分；

所述运算单元从所述多个推荐信息中，选择得分超过预设阈值所对应的推荐信息，作为所述商品推荐信息；

其中，所述网络模型包括以下功能层中的任一项或多项的组合：卷积运算层、池化pooling层、激活softmax层、批归一化batch normalization层以及全连接层；其中，所述卷积运算层的运算是通过卷积运算指令实现的，所述pooling层的运算是通过pooling指令实现的，所述激活层的运算是通过激活指令实现的，所述batch normalization层的运算是通过batch normalization指令实现的，所述全连接层的运算是通过全连接指令实现的。

4.根据权利要求1所述的方法，其特征在于，所述运算单元包括通过互联模块互联的主运算模块以及多个从运算模块，所述运算指令为卷积运算指令时，

所述调用所述运算指令对所述用户数据进行处理包括：

所述从运算模块实现卷积神经网络算法中的输入数据和卷积核的卷积运算，所述输入数据为所述用户数据，所述卷积神经网络算法与所述卷积运算指令对应；

所述互联模块实现所述主运算模块与所述从运算模块之前的数据传输，在神经网络全连接层正向运算开始之前，所述主运算模块通过互联模块将所述输入数据发送给每个从运算模块，所述多个从运算模块利用相同的所述输入数据与各自的卷积核，并行地计算出各自的输出标量；在所述多个从运算模块计算结束后，互联模块逐级将各个从运算模块的输出标量拼成中间向量，并返回给主运算模块；

所述主运算模块将所有输入数据对应的中间向量拼接成中间结果，并将所述中间结果与偏置数据相加，然后执行激活操作。

5.根据权利要求4所述的方法，其特征在于，所述主运算模块包括第一运算单元，所述第一运算单元包括向量加法单元以及激活单元，

所述主运算模块将中间结果与偏置数据相加，然后执行激活操作包括：

所述向量加法单元实现卷积神经网络正向计算中的加偏置操作，将偏置数据与中间结果对位相加得到偏置结果；

所述激活单元对偏置结果执行激活函数操作。