-
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。
-
公开(公告)号：CN114756720B
公开(公告)日：2022-10-04
申请号：CN202210662745.9
申请日：2022-06-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本公开披露了一种时序数据的预测方法和装置。所述方法包括：获取图数据，所述图数据包括目标节点的时序数据以及所述目标节点的邻居节点的时序数据；将所述目标节点的时序数据输入时序编码器，得到所述目标节点的节点特征；将所述目标节点的时序数据和所述邻居节点的时序数据输入空间编码器，得到所述邻居节点的节点特征，所述邻居节点的节点特征为所述邻居节点的时序数据中的与所述目标节点的时序数据相关的特征；将所述目标节点的节点特征和所述邻居节点的节点特征融合，得到融合后的特征；根据所述融合后的特征，确定所述目标节点的时序数据的预测结果。
-
公开(公告)号：CN115034327A
公开(公告)日：2022-09-09
申请号：CN202210710860.9
申请日：2022-06-22
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外部数据应用、用户识别的方法、装置和设备，外部数据应用方法可以将目标对象的来自内部数据源的特征输入内部模型得到内部预测结果；将目标对象的来自不同外部数据源的特征分别输入对应的外部模型得到目标对象的至少一个外部预测结果；对所述内部预测结果和所述至少一个外部预测结果进行融合得到所述目标对象的最终预测结果，且融合时将断流外部数据源对应的外部预测结果替换为所述内部预测结果。
-
Patent Agency Ranking
公开(公告)号：CN112632620B
公开(公告)日：2022-08-26
申请号：CN202011621141.7
申请日：2020-12-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书涉及机器学习领域，特别涉及一种增强隐私保护的联邦学习方法和系统。所述方法由多个参与方中的任一训练成员实现，其中，所述参与方包括服务器及多个训练成员，该方法包括：获取隐私样本；获取一个或多个与所述隐私样本同类型的扰动样本；基于所述隐私样本与一个或多个扰动样本生成加密样本；基于所述加密样本，与其他参与方进行联邦学习以对待训练模型进行联合训练。
-
公开(公告)号：CN114781625A
公开(公告)日：2022-07-22
申请号：CN202210659314.7
申请日：2022-06-13
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一种网络模型训练、推送内容确定方法及装置。网络模型包括自注意力网络和第一神经网络，该网络模型用于确定用户针对待推送内容的偏好评分，计算设备可以基于该偏好评分确定针对用户的推送内容。在训练网络模型时，可以基于用户的历史点击行为的时间戳，在预设维度空间中进行时间映射，得到时间编码；基于历史点击行为包含的点击内容和对应的时间编码，生成用户的时间序列特征；利用自注意力网络，基于时间序列特征和待推送内容，确定用于表征用户的历史点击行为与待推送内容之间关系的第一输出结果；利用第一神经网络，基于第一输出结果和用户的第一特征，确定用户针对待推送内容的偏好评分，基于偏好评分更新网络模型。
-
公开(公告)号：CN110751330B
公开(公告)日：2022-07-22
申请号：CN201910995202.7
申请日：2019-10-18
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一种基于树模型的预测方法和装置，其中，所述方法由树模型的模型拥有方执行、针对数据拥有方中的第一对象进行预测，所述方法包括：对n个节点确定随机排列顺序；依据随机排列顺序依次对n个节点中的每个节点执行：将该节点对应的第一特征发送给数据拥有方；与数据拥有方共同执行比较计算，以获取该节点的特征分裂值与第一对象的第一特征的特征值的比较结果，所述比较计算使得对于模型拥有方隐藏第一对象的第一特征的特征值，对于数据拥有方隐藏该节点的特征分裂值；基于n个节点中每个节点的所述比较结果、n个节点中每个节点在所述树模型中的位置，通过所述树模型输出对所述第一对象的预测结果。
-
公开(公告)号：CN112581191B
公开(公告)日：2022-07-19
申请号：CN202011626281.3
申请日：2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82
Abstract: 本说明书实施例提供一种行为预测模型的训练方法，包括：针对目标对象，获取基于多个种子用户形成的多个正样本，其中任意的第一正样本包括，与第一种子用户对应的第一用户特征和正例标签，此标签指示对应用户是被确定为对目标对象做出特定行为的用户；基于多个种子用户各自的用户特征，采用无监督的离群点检测算法，确定第一种子用户的离群分数，作为针对行为预测任务的第一训练权重；利用包括上述多个正样本以及预先获取的多个负样本，对第一行为预测模型进行第一训练，具体包括：将第一用户特征输入第一行为预测模型中，结合得到的行为预测结果和上述正例标签，确定行为预测损失，并利用第一训练权重对其进行加权处理，以训练第一行为预测模型。
-
公开(公告)号：CN114638549A
公开(公告)日：2022-06-17
申请号：CN202210500282.6
申请日：2022-05-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开提出了一种基于大规模整数规划的资源分配方法和系统。该方法包括：接收资源分配任务并将该资源分配任务转换成大规模整数规划问题；设定该资源分配任务的总目标；基于该总目标圈定待分配客户群；将该大规模整数规划问题随机均匀分割成多个子问题；对分割后的子问题进行求解以获得每个子问题的资源预分配模式；基于每个子问题的资源预分配模式进行资源预分配；对该资源预分配进行评估以确定该总目标的完成度，并且如果该总目标的完成度符合预期，则根据该资源预分配模式向该待分配客户群分配资源。
-
-
-
-
-
-
-
-
-
Search Results
448
records
(took 0.087 seconds)
