摘要
本发明公开了一种算法信息可视化交互方法及系统,涉及信息可视化技术领域,包括:构建梯度提升决策树模型,计算各维度特征的特征贡献值,生成权重基准值;计算各维度特征的实时权重占比;根据用户调整的视频内容参数和时空特征参数,更新特征权重分布,结合特征贡献值与权重基准值计算推荐权重增益及综合收益值,生成实时流量增益曲线;将综合收益值最高的参数组合部署至短视频平台,通过实时反馈机制监控实际收益偏差,进行实验组与对照组的A/B测试,并根据测试结果更新模型参数,触发参数回滚机制或存储有效配置,解决了现有推荐系统因特征权重不透明导致的算法黑箱化问题、人工试错效率低下问题以及参数反馈延迟缺陷。
技术关键词
可视化交互方法
梯度提升决策树
粒子群优化算法
长短期记忆网络
更新模型参数
短视频
可视化交互系统
信息可视化技术
视频内容特征
机制
偏差
多维特征向量
平台
线性回归模型
网络结构
图谱
系统为您推荐了相关专利信息
特征提取模型
通讯信号处理方法
信息提取模型
序列
信号特征
性能预测模型
推荐方法
前馈神经网络
注意力机制
策略更新
光伏出力预测方法
集合经验模态分解
预测残差
噪声
回归方法
BP神经网络
粒子群算法
变压器故障诊断
粒子群优化算法
神经网络模型
长短期记忆神经网络
深水表层导管
BP神经网络
钻井参数
粒子群优化算法