-
公开(公告)号：CN117196819A
公开(公告)日：2023-12-08
申请号：CN202310983611.1
申请日：2023-08-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/03 , G06F16/901
Abstract: 本说明书实施例提供基于Motif保持的用户表征学习方法、用户信用风险预测方法及装置。在进行用户表征学习时，根据用户社交关系图构建至少一个Motif图；对目标用户的用户初始表征分别执行用户社交关系图和各个Motif图下的图表征学习来学习出目标用户在各个图下的用户表征。随后，使用用户社交关系图下的用户表征来对各个Motif图下的用户表征进行表征增强，以得到各个Motif图下的经过表征增强后的用户表征；并且对各个Motif图下的经过表征增强后的用户表征进行表征融合，得到目标用户的最终用户表征。
-
公开(公告)号：CN116992047A
公开(公告)日：2023-11-03
申请号：CN202310982770.X
申请日：2023-08-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供知识图谱表征模型训练方法、知识图谱表征方法及装置。在进行知识图谱表征模型训练时，经由知识图谱表征模型的文本表征层，根据知识图谱中的实体节点的实体特征和边关系的边标识特征生成实体节点的初始实体表征以及边关系的关系表征，实体特征至少包括实体节点的文本特征；经由知识图谱表征模型的图学习层，对实体节点的初始实体表征进行知识图谱下的图学习，以得到实体节点的最终实体表征；以及使用实体节点的最终实体表征和边关系的关系表征来执行知识图谱表征模型训练。
-
公开(公告)号：CN116842462A
公开(公告)日：2023-10-03
申请号：CN202310798061.6
申请日：2023-06-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2415 , G06F18/214 , G06N3/04 , G16H70/40 , G06Q30/0601
Abstract: 本说明书实施例公开了一种基于样本模式增广的机器学习模型训练方法及系统，涉及人工智能技术领域，技术要点包括：利用真实样本以及增广样本对目标模型进行一轮以上迭代训练；其中的一轮迭代训练包括：通过目标模型分别处理真实样本和增广样本的特征值，得到对应的第一输出；通过滑动平均模型至少处理增广样本的特征值，得到对应的第二输出；其中，滑动平均模型的模型参数基于两轮以上历史迭代训练中的目标模型的模型参数获得；调整目标模型的模型参数，以减小真实样本对应的第一输出与对应标签之间的差异，同时减小增广样本对应的第一输出与第二输出之间的差异。
-
公开(公告)号：CN116842461A
公开(公告)日：2023-10-03
申请号：CN202310797569.4
申请日：2023-06-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2415 , G06F18/214 , G16H70/40 , G16H10/60 , G16H50/70
Abstract: 本说明书实施例公开了一种基于表征泛化的模型训练方法及系统，其技术要点包括：获取测试组中的第一样本，以及对照组中的第二样本；其中，样本包括特征值及标签；通过因果效应预估模型分别处理第一样本的特征值以及第二样本的特征值，得到对应的中间结果以及效应输出；通过协同分类模型分别处理第一样本以及第二样本对应的中间结果，得到对应的分类输出；所述分类输出反映对应的中间结果属于测试组的概率和/或属于对照组的概率；调整因果效应预估模型的模型参数，以减小效应输出与对应标签之间的差异，同时均衡中间结果属于测试组的概率和属于对照组的概率。
-
公开(公告)号：CN116720543A
公开(公告)日：2023-09-08
申请号：CN202310444964.4
申请日：2023-04-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/04 , G06N3/08 , G06F18/214 , G06Q10/04
Abstract: 本说明书提供的因果效应评估方法和系统，在获取目标对象的对象数据后，将对象数据输入评估模型，获得目标对象在预设干预措施下的目标因果效应值，该评估模型对对象数据与训练数据之间的分布偏移不敏感，以及输出目标因果效应值；该方案可以针对因果效应直接建模，而且建模后得到的评估模型对对象数据与训练数据之间的分布偏移不敏感，从而就可以将该分布偏移造成的评估结果误差控制在预设范围内，因此，可以提升因果效应评估的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116362796A
公开(公告)日：2023-06-30
申请号：CN202310336585.3
申请日：2023-03-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0202 , G06Q30/0601 , G06F16/9535 , G06F16/9537 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本说明书实施例提供了一种用于预测转化率的点击转化模型训练方法和系统，其中，点击转化模型包括点击模型和转化模型，该方法包括：获取训练样本；其中，训练样本包括样本用户的特征和样本对象的特征，以及与样本对象对应的标签；通过点击模型对样本用户的特征和样本对象的特征进行处理，获取点击模型的输出；通过转化模型对来自点击模型的数据、样本用户的特征和样本对象的特征进行处理，获取转化模型的输出；基于点击模型的输出和转化模型的输出构建损失函数，根据损失函数的值对点击转化模型的参数进行调整，以减小模型输出与对应的标签之间的差异。
-
公开(公告)号：CN116304337A
公开(公告)日：2023-06-23
申请号：CN202310274863.7
申请日：2023-03-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F18/214 , G06V10/44 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供对象推荐模型训练方法、推荐对象确定方法及装置。在每轮模型训练时，确定用户特征的用户特征嵌入表征、目标对象和用户交互对象的对象特征嵌入表征。从用户交互对象的对象特征嵌入表征中解耦出用户兴趣嵌入表征和用户从众嵌入表征；分别根据目标对象的对象特征嵌入表征以及用户特征嵌入表征与用户兴趣嵌入表征和用户从众嵌入表征之间的耦合结果确定目标对象表征、用户兴趣表征和用户从众表征；根据基于用户兴趣表征、用户从众表征与目标对象表征确定出的用户兴趣预测结果和用户从众预测结果调整对象推荐模型的模型参数。
-
公开(公告)号：CN110704754B
公开(公告)日：2023-03-28
申请号：CN201910996134.6
申请日：2019-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9536 , G06F16/9537 , G06N20/00 , G06F16/29
Abstract: 本说明书实施例提供一种由用户终端执行的推送模型优化方法和装置，所述终端与第一用户相对应，所述终端本地包括当前推送模型，所述方法包括：获取第一用户针对第一对象的第一行为数据，其中，第一对象属于预定候选推送对象集合；基于第一输入特征和第一行为数据，计算用于优化所述推送模型的第一梯度数据，其中，第一输入特征包括从本地获取的所述第一用户的当前特征和从服务器获取的第一对象的当前特征；确定第一用户的当前的预定数目的邻居用户，其中，邻居用户与所述第一用户具有预定关联关系；将第一梯度数据分别发送给预定数目的邻居用户各自的终端，以使得每个邻居用户的终端基于第一梯度数据分别优化其本地的推送模型。
-
公开(公告)号：CN115660818A
公开(公告)日：2023-01-31
申请号：CN202211178808.X
申请日：2022-09-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开涉及预测对信贷逾期用户的强制扣款的成功概率的方法及装置。一种用于预测对信贷逾期用户的强制扣款的成功概率的方法包括：获取包括信贷逾期后向其发起过强制扣款的信贷逾期用户的用户特征及信贷逾期后发生过消费的信贷逾期用户的用户特征的训练样本；将训练样本输入到多任务辅助学习模型以训练多任务辅助学习模型，多任务辅助学习模型的多任务包括被配置用于预测对信贷逾期用户的强制扣款是否成功的主任务和被配置用于预测信贷逾期用户是否消费的辅助任务，多任务辅助学习模型具有共同用于主任务和辅助任务的共享参数，并且被构建为输出对信贷逾期用户的强制扣款的成功概率。
-
公开(公告)号：CN115410056A
公开(公告)日：2022-11-29
申请号：CN202211005416.3
申请日：2022-08-22
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种图像处理方法、模型训练方法、装置和计算机设备。所述方法包括：根据源图像获取身份特征和属性特征，所述源图像包含第一生物对象，所述身份特征用于表示第一生物对象的身份信息，所述属性特征用于表示第一生物对象的属性信息；根据目标图像获取上下文特征，所述目标图像包含第二生物对象，所述上下文特征用于表示第二生物对象的上下文信息；根据身份特征、属性特征和上下文特征，生成融合图像，所述融合图像包含融合生物对象，所述融合生物对象的身份信息和属性信息与第一生物对象相同，所述融合生物对象的上下文信息与第二生物对象相同。本说明书实施例可以提高融合图像和源图像在细节属性上的相似程度。
-
-
-
-
-
-
-
-
-
Search Results
432
records
(took 0.047 seconds)
