公开(公告)号：CN115081512A

公开(公告)日：2022-09-20

申请号：CN202210537277.2

申请日：2022-05-17

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 谢世明 ,  陈鸿 ,  吴军 ,  曾多 ,  元野 ,  沈僮

IPC: G06K9/62 ,  G06N20/00

Abstract: 本说明书实施例提供一种特征补齐方法、特征补齐装置、特征补齐模型、计算机可读存储介质、电子设备以及计算机程序产品，该方法包括本说明书示例性的实施例提供的方案基于训练后的机器学习模型(即，基于特征补齐模型)实现的，且该特征补齐模型的生成器的损失函数为基于样本用户特征的显示分布建模确定的。具体地，将关于同一用户的目标特征输入至上述特征补齐模型，其中，上述目标特征中包含一个或多个待补齐元素。经该特征补齐模型的生成器处理后输出与目标特征对应的目标隐向量，其中，该目标隐向量包含目标连续子特征和目标离散子特征。进一步地，根据目标连续子特征确定和目标离散子特征，确定上述目标特征的补齐特征。

公开(公告)号：CN115081512B

公开(公告)日：2024-10-01

申请号：CN202210537277.2

申请日：2022-05-17

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 谢世明 ,  陈鸿 ,  吴军 ,  曾多 ,  元野 ,  沈僮

IPC: G06V10/44 ,  G06N20/00

Abstract: 本说明书实施例提供一种特征补齐方法、特征补齐装置、特征补齐模型、计算机可读存储介质、电子设备以及计算机程序产品，该方法包括本说明书示例性的实施例提供的方案基于训练后的机器学习模型(即，基于特征补齐模型)实现的，且该特征补齐模型的生成器的损失函数为基于样本用户特征的显示分布建模确定的。具体地，将关于同一用户的目标特征输入至上述特征补齐模型，其中，上述目标特征中包含一个或多个待补齐元素。经该特征补齐模型的生成器处理后输出与目标特征对应的目标隐向量，其中，该目标隐向量包含目标连续子特征和目标离散子特征。进一步地，根据目标连续子特征确定和目标离散子特征，确定上述目标特征的补齐特征。

公开(公告)号：CN114090401B

公开(公告)日：2024-09-10

申请号：CN202111283645.7

申请日：2021-11-01

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 朱文文 ,  贾凡 ,  任然 ,  陈鸿 ,  吴军 ,  胡忆桐 ,  俞超

IPC: G06F11/34 ,  G06N3/0895

Abstract: 本说明书实施例提供一种处理用户行为序列的方法及装置，在处理用户行为序列的方法中，获取N个样本用户各自的用户行为序列，并对其进行数据增强，得到多个正样本对和多个负样本对。每个正样本对包括按照不同业务，对同一用户行为序列进行拆分所得到的两个子序列。每个负样本对包括来自不同用户行为序列的两个子序列。将各正/负样本对输入神经网络模型，该神经网络模型包括相同的两个子模型，用于处理输入样本对中的两个子序列，以得到各自的行为向量。对于任意的正/负样本对，根据其中的两个子序列各自的行为向量，计算对应的距离。以最小化各正样本对的距离，最大化各负样本的距离为目标，更新神经网络模型，以用于处理待分析的用户行为序列。

公开(公告)号：CN117010992A

公开(公告)日：2023-11-07

申请号：CN202310959867.9

申请日：2023-08-01

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 于晓东 ,  张跃 ,  吴军 ,  杨新星 ,  徐哲轩 ,  李龙飞 ,  王泽杰

IPC: G06Q30/0601 ,  G06Q30/0242 ,  G06F18/20 ,  G06F18/214 ,  G06F18/23 ,  G06N20/00

Abstract: 本说明书实施例公开了一种用于多任务多场景推荐的推荐模型的训练方法和推荐方法，涉及信息推荐模块，本说明书通过提供的推荐模型包括多个任务中各任务对应的场景网络，在向用户进行推荐时确定目标推荐内容对应的至少一个目标任务和目标场景，通过推荐模型包括的目标任务对应的场景网络中场景共有网络和目标场景专有网络，生成目标推荐内容。针对该推荐模型的训练，基于包括已标注的推荐内容的样本集合，首先对推荐模型包括的全部场景网络进行第一参数训练，其次对各任务对应的多个场景专有网络进行第二参数训练，最后对各任务对应的多个场景专有网络进行第三参数训练，直至推荐模型拟合，且第二参数训练和第三参数训练的训练方法不相同。

公开(公告)号：CN116596093A

公开(公告)日：2023-08-15

申请号：CN202310623027.5

申请日：2023-05-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 于晓东 ,  吴军 ,  张跃 ,  杨新星 ,  徐哲轩 ,  李龙飞

IPC: G06N20/00

Abstract: 本说明书实施例提供了推荐模型的训练方法及装置，推荐模型的训练方法包括：获取混合场景样本集，混合场景样本集包括多个推荐项的特征数据，且该多个推荐项的特征数据对应于多个不同的场景；根据混合场景样本集，对初始推荐模型进行模型训练，得到中间推荐模型；初始推荐模型包括多目标单元和预设目标集合中每个推荐目标对应的多场景单元；多目标单元包括多个专家子单元、每个推荐目标对应的门控子单元以及每个推荐目标对应的归一化子单元；获取多个单场景样本集；根据每个单场景样本集，分别对中间推荐模型进行模型训练，得到推荐模型；推荐模型用于确定推荐项，该推荐项在预设场景中满足由预设场景和每个推荐目标确定的多目标推荐条件。