딥러닝 모델을 사용한 추천의 생성

• Main Author: GREEN BRADLEY RAY
• Format: Patent
• Language: Korean
• Published: 10.06.2019
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; PHYSICS

일실시예로, 복수의 엔티티로부터 선택되는 엔티티의 세트 내의 각 엔티티에 대해 임베딩이 결정된다. 각 임베딩은 엔티티들의 임베딩에 대응하는 지점을 포함하는 임베딩 공간 내의 하나의 지점에 대응한다. 엔티티의 임베딩은 딥러닝 모델을 사용하여 결정된다. 임베딩은 엔티티 속성의 세트 내 각 엔티티 속성에 대해 결정된다. 상기 세트 내의 엔티티 속성 각각은 엔티티-속성 타입이며, 적어도 하나의 엔티티와 연관된다. 엔티티 속성 임베딩은 딥러닝 모델을 사용하여 정제된다. 엔티티의 세트 내의 엔티티들의 임베딩은 세트 내의 각 엔티티에 대한 업데이트된 임베딩을 획득하기 위해 각 엔티티와 연관된 엔티티 속성 임베딩에 기반하여 수정된다. 업데이트된 임베딩은 각 엔티티와 연관된 엔티티 속성에 관한 정보를 포함한다. In one embodiment, a method involves accessing training data, where the training data contains an ordered sequence of data associated with a plurality of entities, training one or more deep learning models to determine, from the ordered sequence of data, a first set of embeddings for each entity of the plurality of entities, where each entity has a plurality of entity attributes, determining, for each of the plurality of entity attributes, a corresponding initial embedding, training the one or more deep-learning models to refine the initial embeddings according to one or more criterion, generating one or more updated embeddings for each of the plurality of entities based on the refined initial embeddings of the plurality of entity attributes, and modifying the first set of embeddings based on the one or more updated embeddings.