-
公开(公告)号：CN111242752A
公开(公告)日：2020-06-05
申请号：CN202010329692.X
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/06
Abstract: 本说明书实施例公开了一种基于多任务预测的确定推荐对象的方法及系统，所述方法包括：获取目标用户的用户特征和至少一个候选对象的对象特征；利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或两个以上的预设任务与目标任务相关；基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；以及，基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。
-
公开(公告)号：CN110866602A
公开(公告)日：2020-03-06
申请号：CN201911168569.8
申请日：2019-11-25
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集成多任务模型的方法和装置，所述多任务模型当前包括与n个子任务分别对应的n个子模型，所述方法包括：基于预设的m个子网络，获取多个候选模型，每个候选模型通过将所述m个子网络中的一个子网络添加到所述多任务模型的n个子模型中至少一个子模型中而获取，其中，所述m个子网络具有不同的网络结构；使用预先准备的多个训练样本分别训练多个候选模型；使用预先准备的多个评估样本分别评估多个经训练的候选模型和当前的多任务模型；基于对各个候选模型和当前多任务模型的评估，在多个候选模型中的至少一个候选模型优于当前的多任务模型的情况中，从多个候选模型中确定最优候选模型作为更新的多任务模型。
-
公开(公告)号：CN114880473B
公开(公告)日：2024-07-02
申请号：CN202210468316.8
申请日：2022-04-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种标签分类方法、装置、存储介质及电子设备，其中，方法包括：获取项目标签矩阵，所述项目标签矩阵包括多个项目、多个标签以及各个项目与各个标签之间的对应关系，基于所述项目标签矩阵中的所有标签获取标签嵌入向量集合，基于双曲空间模型，采用所述项目标签矩阵和所述标签嵌入向量集合，对所述所有标签进行层级分类处理，以得到标签分类函数。
-
公开(公告)号：CN116933076A
公开(公告)日：2023-10-24
申请号：CN202310870976.3
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/24 , G06N5/01 , G06N20/00
Abstract: 本说明书实施例提供了基于多场景的模型训练方法及装置、模型预测方法及装置。在模型训练方法中，获取针对各个不同场景的共性训练样本集和个性训练样本集；针对各个机器，使用一个场景的支持样本集对该机器中的模型进行训练，以得到该模型中的决策层网络的第一决策参数；使用对应场景的查询样本集对更新后的模型进行训练，得到该模型中的特征网络的特征参数以及决策层网络的第二决策参数；使用对应场景的个性训练样本集对该机器中更新后的模型进行训练，以得到该机器对应场景的场景决策参数；以及存储各个场景的场景决策参数和第二决策参数，以与配置有特征参数的模型结合使用。
-
公开(公告)号：CN116401454A
公开(公告)日：2023-07-07
申请号：CN202310356647.7
申请日：2023-03-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F16/9537 , G06N20/00
Abstract: 本说明书实施例提供交互转化率预测、预测模型训练、对象推荐方法及装置。在进行模型训练时，根据事实未交互空间对象样本集构建反事实未交互空间对象样本集，反事实交互空间样本集中的对象样本与事实未交互空间样本集中的对应对象样本的样本特征相同并且转化率标签互为取反；以及使用事实空间对象样本集，对交互转化率预测模型执行基于多任务的模型训练。所述多任务包括交互率预测任务、交互后转化率预测任务和交互转化率预测任务。交互后转化率预测任务包括事实交互后转化率预测任务和反事实交互后转化率预测任务，以及交互率预测任务和事实交互后转化率预测任务的预测结果被使用来执行交互转化率预测任务。
-
Patent Agency Ranking
公开(公告)号：CN115600092A
公开(公告)日：2023-01-13
申请号：CN202211257413.9
申请日：2022-10-14
Applicant: 支付宝(杭州)信息技术有限公司(CN)
IPC: G06F18/211 , G06F18/2431 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供了用于生成规则集的方法及装置。在该方法中，基于数据样本确定各个决策条件以及各个决策条件包括的特征；利用神经网络对各个决策条件以及各个特征进行向量化处理，以得到各个决策条件对应的条件向量化表征以及各个特征对应的特征向量化表征；根据各个决策条件对应的条件向量化表征确定各个决策条件之间的条件关联性；根据各个决策条件以及条件关联性构建决策条件关系图；根据各个特征对应的特征向量化表征确定各个特征之间的特征关联性；根据各个特征以及特征关联性构建特征关系图；以及根据决策条件关系图以及特征关系图抽取多个规则，以得到规则集。
-
公开(公告)号：CN115169451A
公开(公告)日：2022-10-11
申请号：CN202210758009.3
申请日：2022-06-29
Applicant: 支付宝(杭州)信息技术有限公司
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，使用本地数据训练所接收的当前业务模型，基于本地训练出的业务模型中的模型参数的参数更新量，确定各个模型参数的参数稳定性，并且将被确定为参数不稳定的模型参数的本地更新值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参数的本地更新值更新业务模型。
-
公开(公告)号：CN115146786A
公开(公告)日：2022-10-04
申请号：CN202210754624.7
申请日：2022-06-29
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联邦学习的实现方法、装置、系统、计算机可读存储介质、电子设备以及计算机程序产品，该方法应用于参与联邦学习任务的中心服务器和客户端。具体地，根据各个客户端的本地模型获取的反映客户端数据分布特征的特征向量，然后通过计算各个客户端对应的特征向量计算相似度，来衡量不同客户端数据分布特征之间的相似度。再根据所计算的相似度对客户端进行分组，以将数据分布特征相似度高的客户端归属于同一客户端集合。进一步地，针对同一客户端集合，将各个客户端的本地模型的模型数据进行聚合处理，得到该客户端集合对应的个性化模型。
-
公开(公告)号：CN111275120B
公开(公告)日：2022-07-26
申请号：CN202010075299.2
申请日：2020-01-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本说明书实施例公开了一种图像识别模型的训练方法及装置、图像识别方法及装置。其中，训练方法包括：将待训练的第二图像识别模型中的每层卷积神经网络，分别与训练完的第一图像识别模型中的一个子网络相对应。根据训练完的第一图像识别模型中每个子网络的输入和输出，对待训练的第二图像识别模型中的每层卷积神经网络的参数进行初始化处理。将样本图像输入参数初始化处理后的待训练的第二图像识别模型，根据待训练的第二图像识别模型的输出和样本图像的标签，对待训练的第二图像识别模型进行训练。由此，实现了根据训练完的第一图像识别模型，对待训练的第二图像识别模型进行参数初始化处理，以加快对待训练的第二图像识别模型进行的训练。
-
公开(公告)号：CN112819177B
公开(公告)日：2022-07-12
申请号：CN202110106050.8
申请日：2021-01-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书实施例公开了一种个性化的隐私保护学习方法、装置以及设备。方案应用于第一参与端，包括：确定全局模型和第一参与端的局部模型；通过与多个第二参与端进行联邦学习，协同训练全局模型，得到第一训练结果；根据第一参与端的训练数据，训练第一参与端的局部模型，得到第二训练结果；根据第一训练结果和第二训练结果，训练第一参与端的局部模型。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.036 seconds)
