-
公开(公告)号：CN111340121B
公开(公告)日：2022-04-12
申请号：CN202010131566.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例提供一种目标特征的确定方法，该方法包括：先获取原始样本集，其中每个原始样本包括业务对象的样本标签和多个原始特征；再基于原始样本集，进行多轮迭代，将迭代结束得到的多个当前特征，确定为该业务对象的目标特征，该多个当前特征初始为所述多个原始特征。其中任意一轮的迭代包括：先基于当前样本集，建立树模型，其中每个当前样本包括该样本标签和该多个当前特征；接着，根据树模型中各条预测路径上任意数量的父节点所对应的分裂特征，确定出特征组合集，并从中选取预测能力较优的多个优选特征组合；再利用多个预定义算子，对各个优选特征组合中包含的特征进行融合处理，得到多个新生特征，进而更新上述多个当前特征。
-
公开(公告)号：CN113485833A
公开(公告)日：2021-10-08
申请号：CN202110780138.8
申请日：2021-07-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开披露了一种资源预测方法和装置。所述方法包括：接收集群的待处理任务；从预设的多种资源预测方式中选择与所述待处理任务对应的资源预测方式；根据所述待处理任务对应的资源预测方式，对所述待处理任务所需的目标资源进行预测；其中，所述多种资源预测方式包括第一资源预测方式和第二资源预测方式，所述第一资源预测方式基于预先训练的机器学习模型对所述目标资源进行预测，所述第二资源预测方式基于所述集群在滑动窗口期内的任务的资源使用数据对所述目标资源进行预测。
-
公开(公告)号：CN113419837A
公开(公告)日：2021-09-21
申请号：CN202110782059.0
申请日：2021-07-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开披露了一种调度机器学习任务的方法和装置。所述方法包括：接收用户向集群提交的机器学习任务，所述集群配置有能够执行所述机器学习任务的多种机器学习模型；根据所述多种机器学习模型的模型统计信息，从所述多种机器学习模型中选择目标机器学习模型；将所述机器学习任务调度至所述集群的目标工作节点，并指示所述目标工作节点采用所述目标机器学习模型处理所述机器学习任务。
-
公开(公告)号：CN112529115B
公开(公告)日：2021-05-18
申请号：CN202110159392.6
申请日：2021-02-05
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书涉及一种对象聚类方法和系统，在该方法包括基于多个对象及对象间的关联关系构造图数据；其中，所述图数据包括多个节点以及节点间的边权信息；对图神经网络模型进行一轮或多轮迭代更新，并将最后一轮迭代更新获得的图数据的节点类簇作为节点聚类结果，进而基于节点聚类结果确定对象聚类结果，其中一轮迭代更新包括：利用图神经网络模型处理图数据，得到各节点的嵌入向量，以及基于各节点的嵌入向量确定的节点间的边权预测信息；利用聚类算法处理各节点的嵌入向量，得到一个或多个类簇；确定每个类簇的中心点的嵌入向量，并计算各节点与其所在类簇的中心点的距离；调整所述图神经网络模型的模型参数。
-
公开(公告)号：CN112529115A
公开(公告)日：2021-03-19
申请号：CN202110159392.6
申请日：2021-02-05
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书涉及一种对象聚类方法和系统，在该方法包括基于多个对象及对象间的关联关系构造图数据；其中，所述图数据包括多个节点以及节点间的边权信息；对图神经网络模型进行一轮或多轮迭代更新，并将最后一轮迭代更新获得的图数据的节点类簇作为节点聚类结果，进而基于节点聚类结果确定对象聚类结果，其中一轮迭代更新包括：利用图神经网络模型处理图数据，得到各节点的嵌入向量，以及基于各节点的嵌入向量确定的节点间的边权预测信息；利用聚类算法处理各节点的嵌入向量，得到一个或多个类簇；确定每个类簇的中心点的嵌入向量，并计算各节点与其所在类簇的中心点的距离；调整所述图神经网络模型的模型参数。
-
Patent Agency Ranking
公开(公告)号：CN111553754B
公开(公告)日：2020-12-01
申请号：CN202010663599.2
申请日：2020-07-10
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行为预测系统的更新方法，其中行为预测系统包括第一预测模型、第二预测模型和注意力模型，该更新方法包括：先获取训练样本，其中包括第一用户的用户特征，大众偏好特征，业务对象的对象特征及其所属业务方的业务方标识，以及样本标签，指示第一用户在第一历史时刻之后，是否对业务对象做出特定行为；将用户特征和对象特征，输入第一预测模型中，得到第一预测概率，并将大众偏好特征输入第二预测模型中，得到第二预测概率；利用基于业务方标识和注意力模型确定出的第一权重和第二权重，对第一预测概率和第二预测概率进行加权求和，得到综合预测概率，进而结合样本标签，更新行为预测系统中的模型参数。
-
公开(公告)号：CN111340605B
公开(公告)日：2020-11-24
申请号：CN202010443445.2
申请日：2020-05-22
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训练用户行为预测模型、用户行为预测的方法和装置。方法包括：获取第一样本，包括，基于样本用户和样本对象的属性特征形成的第一属性特征，基于样本用户的评论文本形成的第一文本特征，和基于针对样本对象的评论文本形成的第二文本特征，且第一样本具有第一标签和第二标签，第一标签示出，样本用户是否针对样本对象执行预定用户行为，第二标签示出，样本用户对样本对象的评分；将第一属性特征、第一文本特征和第二文本特征输入待训练的用户行为预测模型，输出第一预测结果和第二预测结果；根据第一预测结果和第一标签，第二预测结果和第二标签，更新用户行为预测模型。能够提高用户行为预测的准确率。
-
公开(公告)号：CN111325614B
公开(公告)日：2020-11-24
申请号：CN202010409708.8
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出了一种电子对象的推荐方法、装置和电子设备，其中所述电子对象推荐方法，包括：获取已为第一用户推荐的多个电子对象的特征，根据所述多个电子对象的特征生成特征序列；获取候选电子对象特征，确定所述候选电子对象特征与所述特征序列包含的各特征之间的相关值；根据所述第一用户的用户特征和所述相关值，从候选电子对象中确定向第一用户推荐的电子对象，通过本说明书实施例方案能够提高电子对象推荐的匹配度。
-
公开(公告)号：CN111738780A
公开(公告)日：2020-10-02
申请号：CN202010757535.9
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06F16/9535
Abstract: 本说明书实施例公开了一种推荐对象的方法及系统，所述方法包括：获取候选对象特征、用户特征和初始用户行为序列特征；所述初始用户行为序列特征包括与所述用户历史操作相关的至少一个对象的特征信息；对筛选因子特征和所述初始用户行为序列特征进行处理，得到交叉特征，其中，所述筛选因子特征包括所述用户特征，所述交叉特征包含所述用户对与所述用户历史操作相关的至少一个对象的注意力信息；对所述候选对象特征、所述用户特征和所述交叉特征进行处理，确定所述候选对象相对于所述用户的推荐分值。
-
公开(公告)号：CN111242752B
公开(公告)日：2020-08-14
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: G06Q30/00
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。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.043 seconds)
