-
公开(公告)号：CN115690870A
公开(公告)日：2023-02-03
申请号：CN202211134960.8
申请日：2022-09-19
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张杰
Abstract: 本说明书实施例公开了一种刷脸识别方法、装置、电子设备、介质及程序产品。其中，该方法包括：通过刷脸设备获取目标刷脸信息，目标刷脸信息包括目标刷脸图像和刷脸设备所处的目标位置信息，然后基于目标刷脸信息确定目标刷脸图像对应的刷脸用户，并根据目标刷脸信息以及该刷脸用户的信息确定刷脸误识风险，最后基于上述刷脸误识风险确定上述目标刷脸信息对应的刷脸识别结果。
-
公开(公告)号：CN110704590B
公开(公告)日：2022-04-12
申请号：CN201910923491.X
申请日：2019-09-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35
Abstract: 本说明书实施例提供一种扩充训练样本的方法和装置。方法包括：获取待扩充的初始训练样本组，包括第一数量的训练样本，训练样本包括历史对话组中的原始机器语句和原始用户语句，以及该对话组对应的类别标签，初始训练样本组中的各训练样本具有第一类别标签；从初始训练样本组中获取第二数量的训练样本；针对第二数量的训练样本中的各对话组，将与各对话组中的原始机器语句相关的第一机器语句输入预先训练的第一类别标签的对话生成模型，生成与各对话组中的第一机器语句分别对应的第一用户语句；将各对话组中的第一机器语句和对应的第一用户语句作为扩充训练样本加入初始训练样本组，得到扩充训练样本组。能够实现训练样本的数据均衡。
-
公开(公告)号：CN111292103A
公开(公告)日：2020-06-16
申请号：CN202010329615.4
申请日：2020-04-24
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向用户推荐客服渠道的方法和装置，方法包括：获取目标用户的当前用户问题；确定当前人工渠道的空闲程度，从而得到第一状态特征；评估未来人工渠道的空闲程度，从而得到第二状态特征；根据目标用户的用户画像数据和当前用户问题，确定对应的第三状态特征，第三状态特征用于表示当向目标用户推荐自助渠道时，目标用户是否会接受自助渠道；根据第一状态特征、第二状态特征和第三状态特征确定强化学习模型的状态，通过强化学习模型输出可选动作集合中的目标动作，可选动作集合包括自助渠道和人工渠道；根据目标动作，向目标用户推荐自助渠道或人工渠道，以解决目标用户的当前用户问题。能够使用户获得好的服务体验。
-
公开(公告)号：CN117557940A
公开(公告)日：2024-02-13
申请号：CN202311553021.1
申请日：2023-11-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V20/40 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本说明书的实施例提供了一种视频文本特征提取模型的训练方法、文本视频匹配方法和装置。在该视频文本特征提取模型的训练方法中，利用当前视频文本特征提取模型提取与当前训练样本集中的各个视频文本对的视频数据和文本数据分别对应的视频特征和文本特征，视频数据包括从长视频中采样得到的视频片段；根据所得到的各个视频特征和文本特征之间的相似度，生成与当前训练样本集对应的原生相似度矩阵；再基于原生相似度矩阵对视频数据与文本数据进行对齐，得到用于指示视频数据与文本数据之间的潜在对齐关系的关系校正矩阵；根据原生相似度矩阵和对应的关系校正矩阵确定当前训练样本集对应的对比损失值，进而据此调整当前视频文本特征提取模型的参数。
-
公开(公告)号：CN111310847B
公开(公告)日：2023-06-23
申请号：CN202010130636.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F40/211 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例提供一种训练要素分类模型的方法和装置，要素分类模型用于针对句子进行要素识别，方法包括：将第一句子输入待训练的要素分类模型，通过所述要素分类模型输出第一要素；将所述第一要素输入待训练的标问生成模型，通过所述标问生成模型输出第二句子；其中，所述要素分类模型和所述标问生成模型互为对偶模型；以所述第一句子和所述第二句子之间的差异最小化为目标，基于对偶学习的方式训练所述要素分类模型和所述标问生成模型。能够在标注数据量不足的情况下训练要素分类模型，并提高要素识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN115730805A
公开(公告)日：2023-03-03
申请号：CN202211542788.X
申请日：2022-12-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0631 , G06Q10/0639 , G06F17/10
Abstract: 本说明书实施例提出了一种呼叫中心的人力测算方法、装置和电子设备，其中，上述呼叫中心的人力测算方法中，获取呼叫中心的历史数据之后，获取预测获得的待预测时段的流入量和平均处理时长，以及获取预先设定的目标服务水平，然后根据上述历史数据、上述目标服务水平、预先训练获得的模型参数以及待预测时段的流入量和平均处理时长，确定上述呼叫中心在待预测时段的应部署人力和应承接人力，从而可以实现在预定的目标服务水平下，测算呼叫中心在待预测时段的应部署人力和应承接人力。
-
公开(公告)号：CN111738781A
公开(公告)日：2020-10-02
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N-1个时间段对应的N-1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N-1个状态向量以及N-1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
公开(公告)号：CN117216229A
公开(公告)日：2023-12-12
申请号：CN202311476763.9
申请日：2023-11-08
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张杰
IPC: G06F16/332 , G06F16/33 , G06F40/186 , G06F40/194 , G06F40/279 , G06Q30/01
Abstract: 本说明书实施例涉及一种生成客服答案的方法及装置，所述方法包括：获取用户提出的问题文本以及该用户的用户画像特征，根据所述问题文本和用户画像特征，确定对话大模型的提示文本，所述提示文本指示回答问题时期望的情感和/或个性的风格类型，然后将所述问题文本输入到问答模型中，得到对应的第一答案文本，接下来将所述提示文本和第一答案文本输入到对话大模型中，使得所述对话大模型按照所述风格类型将所述第一答案文本转换为第二答案文本。
-
公开(公告)号：CN111680148B
公开(公告)日：2020-12-01
申请号：CN202010819216.6
申请日：2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06F40/279 , G06F40/216 , G06Q30/00 , G06N20/00
Abstract: 本说明书实施例提供一种针对用户问句进行智能应答的方法和装置，方法包括：获取当前多轮对话中的用户问句；将所述用户问句输入预先训练的模糊分类模型，通过所述模糊分类模型输出目标类别；所述目标类别选自第一类别和第二类别，所述第一类别表明所述用户问句描述清晰，所述第二类别表明所述用户问句描述模糊；当所述目标类别为所述第一类别时，识别所述用户问句对应的第一标准问句，并根据所述第一标准问句确定针对所述用户问句的第一应答语句；当所述目标类别为所述第二类别时，识别所述用户问句包含的第一要素，并根据所述第一要素确定针对所述用户问句的第二应答语句。在针对用户问句进行智能应答时，能够灵活应对，提升用户体验。
-
公开(公告)号：CN111310847A
公开(公告)日：2020-06-19
申请号：CN202010130636.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种训练要素分类模型的方法和装置，要素分类模型用于针对句子进行要素识别，方法包括：将第一句子输入待训练的要素分类模型，通过所述要素分类模型输出第一要素；将所述第一要素输入待训练的标问生成模型，通过所述标问生成模型输出第二句子；其中，所述要素分类模型和所述标问生成模型互为对偶模型；以所述第一句子和所述第二句子之间的差异最小化为目标，基于对偶学习的方式训练所述要素分类模型和所述标问生成模型。能够在标注数据量不足的情况下训练要素分类模型，并提高要素识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.039 seconds)
