Processing

Please wait...

Settings

Settings

1. WO2020005671 - PERSONALIZATION ENHANCED RECOMMENDATION MODELS

Publication Number WO/2020/005671
Publication Date 02.01.2020
International Application No. PCT/US2019/038080
International Filing Date 20.06.2019
IPC
[IPC code unknown for G06F 16/9535]
G06F 16/9535 (2019.01)
CPC
G06F 16/9535
G06F 9/30036
G06N 20/00
G06N 5/02
Applicants
  • MICROSOFT TECHNOLOGY LICENSING, LLC [US/US]; One Microsoft Way Redmond, Washington 98052-6399, US
Inventors
  • CAI, Yaxiong; US
  • QI, Xiaoguang; US
  • YANG, Kiyoung; US
  • SU, Shih-Chieh; US
  • AZZAM, Saliha; US
  • NANDURI, Jayaram N.M.; US
Agents
  • MINHAS, Sandip S.; US
  • CHEN, Wei-Chen Nicholas; US
  • HINOJOSA, Brianna L.; US
  • HOLMES, Danielle J.; US
  • SWAIN, Cassandra T.; US
  • WONG, Thomas S.; US
  • CHOI, Daniel; US
  • HWANG, William C.; US
  • WIGHT, Stephen A.; US
  • CHATTERJEE, Aaron C.; US
  • JARDINE, John S.; US
  • GOLDSMITH, Micah P.; US
Priority Data
16/134,72618.09.2018US
62/690,59527.06.2018US
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) PERSONALIZATION ENHANCED RECOMMENDATION MODELS
(FR) MODÈLES DE RECOMMANDATION AMÉLIORÉS
Abstract
(EN)
Methods, systems, apparatuses, and computer program products are provided for a two- phase technique for generating content recommendations. In a first phase, a baseline recommender is configured to generate a baseline content recommendation using one or more content recommendation models, such as a Smart Adaptive Recommendations (SAR) model, Factorization Machine (FM) or Matrix Factorization (MF) models, collaborative filtering models, and/or any other machine-learning models or techniques. In a second phase, a personalized recommender implements a vector combiner configured to combine profile vectors, content vectors, and the baseline content recommendations to generate combined user vectors. A model generator may train a machine-learning model using the combined user vectors and training data comprising actual interaction behavior of the users, which may be then applied to identify a content recommendation for a particular user.
(FR)
L'invention concerne des procédés, des systèmes, des appareils et des produits-programmes informatiques pour une technique en deux phases permettant de générer des recommandations de contenu. Dans une première phase, un dispositif de recommandation de base est configuré pour générer une recommandation de contenu de base à l'aide d'un ou de plusieurs modèles de recommandation de contenu, tels qu’un modèle de recommandations adaptatives intelligentes (SAR), des modèles de machine de factorisation (FM) ou de factorisation de matrice (MF), des modèles de filtrage collaboratifs et/ou tout autre modèle ou technique d'apprentissage automatique. Dans une seconde phase, un dispositif de recommandation personnalisé met en œuvre un combineur de vecteurs configuré pour combiner des vecteurs de profil, des vecteurs de contenu et les recommandations de contenu de base afin de générer des vecteurs d'utilisateur combinés. Un générateur de modèle peut apprendre un modèle d'apprentissage automatique à l'aide des vecteurs d'utilisateur combinés et des données d'apprentissage comprenant le comportement d'interaction réel des utilisateurs, qui peuvent ensuite être appliqués afin d’identifier une recommandation de contenu pour un utilisateur particulier.
Latest bibliographic data on file with the International Bureau