【技术实现步骤摘要】
用于改进数字内容推荐的实体表示学习
本申请一般涉及用于改进数字内容推荐的实体表示学习的系统、方法和计算机程序产品。
技术介绍
一些个性化搜索涉及针对可能结果的语料库分析用户特征以找到针对用户的最佳选项。例如,职位搜索可以根据他们的背景、教育、经验等为不同的用户生成不同的结果。有时,发现用户之间的相似性是有帮助的,因为如果用户已经表现出对一个职位感兴趣,则具有类似特征的用户也可能对该职位同样感兴趣。然而,在线系统的用户数量可以是数百万,并且与用户相关联的数据类别(例如,教育机构、当前职位等)也可以达数千或数百万。鉴于大量数据和可能的类别,在所有这些用户之间发现相似性可能是计算上昂贵的提议,从而导致执行搜索的计算机系统的电子资源的过度消耗的技术问题。附图说明一些实施例在附图中通过示例而不是限制的方式示出,其中:图1是示出根据一些示例实施例的客户端-服务器系统的网络图;图2示出了根据一些示例实施例的机器学习程序的训练和使用;图3是示出根据一些示例实施例的由机器学习系统生成的文章嵌入的框图;图4是示出根据一些示例实施例的用于由机器学习系统确定成员-文章亲和度的深度网络的框图;图5是示出根据一些示例实施例的用于由机器学习系统确定成员-职位亲和度的深度网络的框图;图6是示出根据一些示例实施例的机器学习系统的组件的框图;图7是示出根据一些示例实施例的用于改进数字内容推荐的实体表示学习的方法的流程图;图8是示出根据一些示例实施例的用于改进数字内容推荐的实体表示学习的方法以及表示图7中所示的方法的附加步骤的流程图;图9是示出根据一些示例实施例的用于改进数字内容推荐的实体表示 ...
【技术保护点】
1.一种方法,包括:从数据库访问表示在线服务上的职位描述和与所述在线服务的成员相关联的成员简档之间的亲和度的第一亲和度得分值,所述第一亲和度得分值是基于第一嵌入和第二嵌入使用一个或多个机器学习算法生成的,所述第一嵌入表示所述职位描述,并且包括标识与所述职位描述相关联的组织的特定特征,所述第二嵌入表示所述成员简档;基于所述第一亲和度得分值超过第一阈值,使得在与所述成员相关联的客户端设备的用户接口中显示所述职位描述的第一推荐;基于从所述客户端设备接收的、响应于所述第一推荐对所述职位描述的选择的指示,更新所述第二嵌入以将所述特定特征添加到所述第二嵌入;基于响应于所述第一推荐对所述职位描述的所述选择的所述指示,生成第三嵌入,所述第三嵌入表示与所述组织相关联的文章,并且包括标识所述组织的所述特定特征,对所述第三嵌入的所述生成是使用一个或多个硬件处理器执行的;使用所述一个或多个机器学习算法,基于更新的第二嵌入和所述第三嵌入,生成表示所述成员简档与所述文章之间的亲和度的第二亲和度得分值;以及基于所述第二亲和度得分值超过第二阈值,使得在与所述成员相关联的所述客户端设备的所述用户接口中显示所述文章的第二 ...
【技术特征摘要】
2018.03.30 US 15/941,7501.一种方法,包括:从数据库访问表示在线服务上的职位描述和与所述在线服务的成员相关联的成员简档之间的亲和度的第一亲和度得分值,所述第一亲和度得分值是基于第一嵌入和第二嵌入使用一个或多个机器学习算法生成的,所述第一嵌入表示所述职位描述,并且包括标识与所述职位描述相关联的组织的特定特征,所述第二嵌入表示所述成员简档;基于所述第一亲和度得分值超过第一阈值,使得在与所述成员相关联的客户端设备的用户接口中显示所述职位描述的第一推荐;基于从所述客户端设备接收的、响应于所述第一推荐对所述职位描述的选择的指示,更新所述第二嵌入以将所述特定特征添加到所述第二嵌入;基于响应于所述第一推荐对所述职位描述的所述选择的所述指示,生成第三嵌入,所述第三嵌入表示与所述组织相关联的文章,并且包括标识所述组织的所述特定特征,对所述第三嵌入的所述生成是使用一个或多个硬件处理器执行的;使用所述一个或多个机器学习算法,基于更新的第二嵌入和所述第三嵌入,生成表示所述成员简档与所述文章之间的亲和度的第二亲和度得分值;以及基于所述第二亲和度得分值超过第二阈值,使得在与所述成员相关联的所述客户端设备的所述用户接口中显示所述文章的第二推荐。2.如权利要求1所述的方法,其中,所述职位描述、所述成员简档和所述文章是与所述在线服务相关联的实体,并且其中,所述方法还包括:更新一个或多个其它嵌入,所述一个或多个其它嵌入表示与所述在线服务相关联的一个或多个其它实体,更新所述一个或多个其他嵌入包括将包括在所述第一嵌入、所述第二嵌入或所述第三嵌入中的至少一个中的一个或多个其他特征添加到所述一个或多个其他嵌入中,更新所述一个或多个其他嵌入基于响应于所述第一推荐对所述职位描述的所述选择的所述指示或者从所述客户端设备接收的响应于所述第二推荐对所述文章的选择的指示中的至少一个。3.如权利要求1所述的方法,其中,所述一个或多个机器学习算法涉及向所述在线服务的一个或多个成员推荐职位描述或向所述在线服务的所述一个或多个成员推荐文章中的至少一个,其中,所述第一嵌入包括第一特征向量,所述第一特征向量包括表示所述职位描述的第一组特征,所述特定特征包含在所述第一组特征中,其中,所述第二嵌入包括第二特征向量,所述第二特征向量包括表示所述成员简档的第二组特征,以及其中,所述方法还包括:基于所述成员的查看与所述组织相关联的多个职位描述的多个选择来确定所述成员是所述组织处的职位的活跃求职者;以及进一步更新所述第二嵌入以向所述第二嵌入添加另一特征,所述另一特征指示所述成员是所述组织处的职位的活跃求职者;以及使用所述第一嵌入、进一步更新的第二嵌入和所述一个或多个机器学习算法,训练亲和度特征模型,所述训练包括基于所述第一特征向量和所述第二特征向量生成与所述职位描述和所述成员简档之间的亲和度有关的第一组附加特征。4.如权利要求3所述的方法,其中,所述亲和度特征模型预测所述成员将选择所述职位描述的第一可能性或所述成员将选择所述文章的第二可能性中的至少一个。5.如权利要求3所述的方法,还包括:更新所述第一嵌入或所述第三嵌入中的至少一个,以将所述另一特征添加到所述第一嵌入或所述第三嵌入中的所述至少一个;以及使用更新的第一嵌入或更新的第三嵌入中的至少一个来执行对所述亲和度特征模型的进一步训练。6.如权利要求5所述的方法,其中,生成表示所述成员简档与所述文章之间的亲和度的第二亲和度得分值是基于使用更新的第一嵌入、更新的第二嵌入或更新的第三嵌入中的至少一个来训练所述亲和度特征模型的。7.如权利要求3所述的方法,其中,所述第三嵌入包括第三特征向量,所述第三特征向量包括表示与所述组织相关联的所述文章的第三组特征,所述特定特征包含在所述第三组特征中,其中,对所述亲和度特征模型的所述训练包括:将成员-文章亲和度层添加到所述亲和度特征模型,以基于所述第二特征向量和所述第三特征向量生成与所述成员简档和所述文章之间的亲和度有关的第二组附加特征,将所述成员-文章亲和度层添加到所述亲和度特征模型包括对所述第二特征向量和所述第三特征向量执行Hadamard乘积运算,Hadamard乘积的所述执行导致生成包括所述第二组附加特征的第四特征向量,以及其中,所述第二亲和度得分值是基于包括所述第二组附加特征的所述第四特征向量生成的。8.如权利要求1所述的方法,其中,所述第一推荐是基于欧几里德距离值、使用所述职位描述的最近邻表示来生成的。9.如权利要求1所述的方法,其中,所述第二推荐是基于欧几里德距离值、使用所述文章的最近邻表示来生成的。10.如权利要求1所述的方法,其中,所述第一嵌入、所述第二嵌入和所述第三嵌入存储在集中位置,所述存储在所述集中位置提供一个或多个推荐应用程序对所述第一嵌入、所述第二嵌入和所述第三嵌入的可访问性,以及在所述一个或多个推荐应用程序之间的、嵌入数据的共享。11.一种系统,包括:一个或多个硬件处理器;以及用于存储指令的非暂时性机器可读介质,所述指令当由所述一个或多个硬件处理器执行时,使得所述一个或多个硬件处理器执行包括以下的操作:从数据库访问表示在线服务上的文章和与所述在线服务的成员相关联的成...
【专利技术属性】
技术研发人员:A·萨哈,A·穆拉里达兰,
申请(专利权)人:微软技术许可有限责任公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。