-
公开(公告)号：CN112015749B
公开(公告)日：2021-02-19
申请号：CN202011159885.1
申请日：2020-10-27
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基于隐私保护更新业务模型的方法，针对联邦学习过程中，各个业务方提供不同结构的图数据（异构图），无法统一建模的问题，提出一种模型参数局部相一致的技术构思，通过模型基的设置，一个模型基包括若干基准参数，各个业务方利用模型基的线性组合构建本地模型参数向量或矩阵，从而构建本地业务模型。在联邦学习过程中，业务方上传本地梯度、服务方更新全局梯度、业务方更新本地模型参数，均以模型基为单元。这种局部更新模型参数的技术方案，有效打破异构图下的联邦学习壁垒，提供全新的联邦学习思路，并可推广至各种业务模型。
-
公开(公告)号：CN112115188B
公开(公告)日：2021-02-05
申请号：CN202011314171.3
申请日：2020-11-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/248 , G06F16/2457
Abstract: 本说明书实施例提供一种向目标用户展示目标对象序列的方法和装置，方法包括：将各交互特征向量按照初始排序输入重排序模型，重排序模型包括编码器和解码器，编码器确定目标对象序列中各目标对象与所述第一目标对象的全局注意力，根据全局注意力将该第一目标对象编码为第一隐特征向量；确定目标对象序列中以第一目标对象为中心的部分目标对象与第一目标对象的局部注意力，根据局部注意力将该第一目标对象编码为第二隐特征向量；对第一隐特征向量和第二隐特征向量加权求和，得到综合隐特征向量；解码器根据各综合隐特征向量，确定各目标对象的重排序；按照重排序的各目标对象的位置，向目标用户展示目标对象序列。能够达到用户反馈的最大化。
-
公开(公告)号：CN111931950B
公开(公告)日：2021-01-26
申请号：CN202011044286.5
申请日：2020-09-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书一个或多个实施例涉及一种基于联邦学习进行模型参数更新的方法及系统，可用于机器学习过程中的隐私数据保护，所述方法由参与方中的任一训练成员实现；其包括：获取具有与其他参与方相同结构的待训练初始模型；进行多次模型参数迭代更新，每次迭代包括：基于自身持有的训练样本进行模型训练，获得当前次迭代对应的模型数据矩阵；确定当前次迭代对应的传输比例，所述传输比例与迭代次数负相关；基于所述传输比例从所述模型数据矩阵中提取部分参数元素；基于所述部分参数元素生成参数传输矩阵；将所述参数传输矩阵上传给所述服务器；从所述服务器获取更新后的模型参数以基于此进行下一次迭代，或者基于此确定最终模型。
-
公开(公告)号：CN111814921B
公开(公告)日：2020-12-18
申请号：CN202010922527.5
申请日：2020-09-04
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对象特征信息获取、对象分类、信息推送方法及装置。在确定对象的特征信息时，从N个时刻的N个关系网络中分别确定第一节点的多个邻居节点，得到N个邻居节点组，并基于每个时刻对应的邻居节点组以及第一节点的节点特征，确定第一节点在各个时刻的空间聚合特征；将N个时刻的N个空间聚合特征按照时间顺序以序列的方式输入序列神经网络，分别得到第一节点在N个时刻的N个时空表达；对N个时空表达进行聚合，得到第一节点的时空聚合特征，作为第一节点代表的第一对象的特征信息。
-
公开(公告)号：CN112068866A
公开(公告)日：2020-12-11
申请号：CN202011046903.5
申请日：2020-09-29
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更新业务模型的方法和装置，在多方安全计算的联邦学习过程中，各个提供样本数据参与计算的业务方分别通过本地样本数据调整本地模型参数，并在调整本地模型参数过程中，基于最优传输理论，在损失确定时增加本地模型参数和其他业务方模型参数在最小传输代价下的距离约束，从而保证本地业务模型的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112052942A
公开(公告)日：2020-12-08
申请号：CN202010986099.2
申请日：2020-09-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供神经网络模型训练方法及装置。神经网络模型包括位于各个第一成员设备的第一神经网络子模型。各个第一成员设备使用私有数据进行模型预测得到预测标签数据并确定第一神经网络子模型的模型更新信息，将第一神经网络子模型的模型更新信息和本地样本分布信息提供给第二成员设备。第二成员设备根据各个第一成员设备的第一神经网络子模型的模型更新信息进行神经网络模型重构，根据各个第一成员设备的本地样本分布信息确定整体样本概率分布，并将重构后的神经网络模型和整体样本概率分布分发给各个第一成员设备。各个第一成员设备根据本地样本概率分布、重构后的神经网络模型以及整体样本概率分布更新第一神经网络子模型。
-
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：CN111738360B
公开(公告)日：2020-11-27
申请号：CN202010723916.5
申请日：2020-07-24
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两方决策树训练方法和系统，以保护双方的数据隐私。对于任一特征，两方的设备按照多方安全计算协议进行交互，以基于梯度向量的分片和任一分组对应的标识向量计算该特征下的该分组对应的梯度和的分片。两方的设备按照多方安全计算协议进行交互，以基于各特征下的各分组分别对应的梯度和的分片计算各特征下的各分组分别对应的分裂增益的分片。进而，两方的设备通过多方安全比较协议确定最大分裂增益对应的特征及分组，并按最大分裂增益对应的特征及分组分裂节点。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
432
records
(took 0.052 seconds)
