-
公开(公告)号：CN118152590B
公开(公告)日：2024-08-16
申请号：CN202410564986.9
申请日：2024-05-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/36 , G06F16/35 , G06F40/284 , G06N5/022
Abstract: 本说明书实施例提供一种基于文本语料生成医疗知识图谱的方法及装置，在基于文本语料构建知识图谱时，可以将知识图谱的数据获取过程分为开放式抽取和对齐两个阶段。具体而言，先由大模型从原始文本语料中开放式抽取实体词及相应的实体类型，还根据所抽取的实体词和实体类型提取相应连接关系。之后，再按照预先定义的实体模式和连接模式进行实体和关系的对齐，并根据对齐结果构建知识图谱。如此，可以提高知识图谱构建的全面性和有效性。
-
公开(公告)号：CN115034861B
公开(公告)日：2024-08-13
申请号：CN202210740465.5
申请日：2022-06-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/096 , G06N3/042 , G06Q30/0601
Abstract: 本说明书实施例公开了一种针对长尾分布的学习方法、装置以及设备，方案包括：确定物品集合中的各头部物品和各尾部物品；确定依次具有从属关系的多个属性维度，以及头部物品和尾部物品在属性维度上的属性值；将头部物品、尾部物品、属性值作为图节点，根据图节点和从属关系，生成图网络，以使头部物品的图节点通过对应的属性值的图节点，与尾部物品的图节点连接；确定反映头部物品的图节点向量内不同维度之间的相关性的第一相关性参数，以及反映尾部物品的图节点向量内不同维度之间的相关性的第二相关性参数；确定反映第一相关性参数与第二相关性参数之间差距的相关性损失；根据相关性损失，对图网络中的图节点向量进行学习。
-
公开(公告)号：CN113657617B
公开(公告)日：2024-08-13
申请号：CN202111077337.9
申请日：2020-04-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书实施例公开了一种模型联合训练的方法及系统。所述方法包括：多个联合训练的参与终端分别基于所述终端自身持有的私有数据联合进行模型训练，多个联合训练的参与终端分别使用基于梯度的优化算法生成各自的梯度；所述多个参与终端分别将所述各自的梯度发送给服务器；所述服务器从多个所述梯度中选取可信任梯度，并且根据选取的所述可信任梯度更新所述联合训练模型的参数；所述样本数据为文本数据、语音数据或者图形数据。
-
公开(公告)号：CN118378099A
公开(公告)日：2024-07-23
申请号：CN202410612144.6
申请日：2024-05-16
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对自然语言处理模型的数据召回方法及装置，针对待通过自然语言模型处理的第一信息，可以对其进行数据召回的预处理，以将召回的文本与第一信息一起经由自然语言处理模型进行处理，得到相应业务处理结果。在数据召回过程中，可以先从数据库中检索与第一信息相匹配的若干文本作为候选文本，然后利用预先训练的效用模型对各个候选文本进行有效性评估，以得到各个候选文本分别对应的各个效用分数，再针对各个候选文本，分别基于相应相似度和效用分数的融合得到相应的融合分数，并根据各个融合分数从候选文本中筛选出目标文本作为召回数据。如此，可以有效节约计算成本。
-
公开(公告)号：CN115034333B
公开(公告)日：2024-07-02
申请号：CN202210759145.4
申请日：2022-06-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N3/0464 , G06N3/098
Abstract: 本说明书实施例提供用于经由至少两个第一成员设备和第二成员设备训练业务模型的联邦学习方法，联邦学习装置和联邦学习系统。各个第一成员设备具有本地数据，第二成员设备维护待训练的业务模型。在进行联邦学习时，在各个第一成员设备从第二成员设备接收当前业务模型后，各个第一成员设备使用本地数据训练所接收的当前业务模型，确定本地训练出的业务模型与所接收的业务模型之间的模型相关性，并且仅仅在模型相关性满足预定条件时才将本地训练出的模型更新量提供给第二成员设备。第二成员设备根据从各个第一成员设备接收的模型更新量更新业务模型。
-
Patent Agency Ranking
公开(公告)号：CN118227319A
公开(公告)日：2024-06-21
申请号：CN202410309629.8
申请日：2024-03-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了基于负载均衡确定迁移方案的方法及装置。在该方法中，确定用于衡量机器与负载之间的负载均衡迁移成本的评估目标，其中，评估目标包括以下中的至少一种：负载迁移成本、资源消耗均衡度以及机器使用成本；根据评估目标构建在满足约束条件的情况下使得各个评估目标之和最小化的优化模型，其中，约束条件包括针对各个评估目标的目标约束条件，评估目标涉及各个负载与各个机器之间的占用状态；求解优化模型，以得到在负载均衡条件下机器和负载所呈现的终态；以及根据机器和负载当前所呈现的初始态以及终态，确定负载从初始态到终态的迁移路径。
-
公开(公告)号：CN118171056A
公开(公告)日：2024-06-11
申请号：CN202410175817.6
申请日：2024-02-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/214 , G06F18/213 , G06F18/241 , G06N3/042 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/0895
Abstract: 本说明书实施例提供一种训练用户响应预测模型，以及进行用户行为预测的方法。用户响应预测模型包括K个环境生成器，第一图编码器，第二图编码器和预测网络，训练方法包括，采用K个环境生成器对用户关系图施加扰动，生成K个增强图。然后通过第一图编码器对第k增强图进行编码，得到各用户对应于第k增强图的第一表征。根据各用户施加预定干预的干预情况，调整第一表征，得到更新表征，形成第k更新图。通过第二图编码器对第k更新图进行编码，得到各用户的第二表征。根据目标用户的第一表征、第二表征以及干预情况，得到第k预测值。至少根据第k预测值和行为标签，确定损失，更新模型。
-
公开(公告)号：CN118153773A
公开(公告)日：2024-06-07
申请号：CN202410417578.0
申请日：2024-04-08
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种时间序列预测方法及装置，在进行时序预测过程中，考虑细时间粒度中的时序数据长度较大的情形，为了充分利用细时间粒度下的时序数据，通过按时间周期分割将长序列转换成短序列，并对短序列进行切片、提取单个短序列的切片编码、提取各个短时序中的对应时间区间的切片表征，进而通过拼接、形状重塑、融合等处理，进行分时间周期的长时序预测。这种实施方式可以减少参数量，提高对长时序数据处理的有效性。
-
公开(公告)号：CN118114675A
公开(公告)日：2024-05-31
申请号：CN202410533245.4
申请日：2024-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/295 , G06F16/35 , G06N3/0455 , G06N5/04 , G06F16/36 , G06N5/022
Abstract: 本申请一个或多个实施例提供一种基于大语言模型的医疗命名实体识别方法和装置，该方法包括：由大语言模型在多个不同的第一类提示文本中的各个第一类提示文本的引导下，基于候选实体类别集合对原始文本进行命名实体识别，得到命名实体识别结果；基于命名实体识别结果，确定原始文本中的各个目标命名实体及其对应的至少一个候选实体类别，并将其转化为与目标命名实体对应的至少一个用于指示与命名实体对应的实体类别的观点；获取与目标命名实体的定义相关的知识文本；由大语言模型从知识文本中抽取与各个观点对应的论据，并进一步基于论据，评估各个观点的正确度；将正确度最高的目标观点指示的候选实体类别确定为与目标命名实体对应的实体类别。
-
公开(公告)号：CN117932164A
公开(公告)日：2024-04-26
申请号：CN202410139688.5
申请日：2024-01-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9536 , G06F16/2457 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例提供的推荐方法、推荐模型的模型训练方法及设备，对历史行为序列中交互项的项标识与辅助信息进行融合；基于项标识信息、融合信息以及位置信息，通过位置解耦的融合自注意力模型确定各个交互项的融合项标识表征；基于各个交互项的融合项标识表征与候选项之间的匹配得分向用户推荐候选项。根据本说明书实施例的技术方案，能够消除位置信息与项标识、辅助信息之间的噪声干扰，并保留了项标识与辅助信息之间的强相关性，从而能够提高个性化推荐的准确性。
-
-
-
-
-
-
-
-
-
Search Results
448
records
(took 0.09 seconds)
