[发明专利]神经网络模型训练、对象推荐方法及装置有效
| 申请号： | 201710208315.9 | 申请日： | 2017-03-31 |
| 公开（公告）号： | CN108665064B | 公开（公告）日： | 2021-12-14 |
| 发明（设计）人： | 赵沛霖;李龙飞;周俊;李小龙 | 申请（专利权）人： | 创新先进技术有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京亿腾知识产权代理事务所(普通合伙) 11309 | 代理人： | 陈霁 |
| 地址： | 开曼群岛大开曼岛西湾路8*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及计算机技术领域，尤其涉及一种神经网络模型训练、对象推荐方法及装置，在一种神经网络模型训练方法中，对预先收集的多个样本数据中的每个样本数据，确定样本数据对应的one‑hot形式的特征向量；根据各个样本数据对应的one‑hot形式的特征向量以及各个样本数据的样本标签，训练LR模型；根据训练出的LR模型，确定N个数据值对应的N个权重值；对每个样本数据，从N个权重值中选取样本数据对应的one‑hot形式的特征向量中数据值1对应的目标权重值，得到M个目标权重值，MN；将各个样本数据的M个目标权重值作为各个样本数据的新的特征值，输入神经网络模型对其进行训练。由此，可以提高神经网络模型训练的效率。 | ||
| 搜索关键词： | 神经网络 模型 训练 对象 推荐 方法 装置 | ||
【主权项】：
1.一种神经网络模型训练方法，其特征在于，包括：对预先收集的多个样本数据中的每个样本数据，确定所述样本数据对应的one‑hot形式的特征向量，所述样本数据包括样本标签，所述特征向量包括N个数据值，所述数据值包括数据值0和数据值1；根据各个样本数据对应的one‑hot形式的特征向量以及所述各个样本数据的样本标签，训练逻辑回归LR模型；根据训练出的LR模型，确定所述N个数据值对应的N个权重值；对每个样本数据，从N个权重值中选取所述样本数据对应的one‑hot形式的特征向量中数据值1对应的目标权重值，得到M个目标权重值，M
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于创新先进技术有限公司，未经创新先进技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710208315.9/，转载请声明来源钻瓜专利网。
