-
公开(公告)号：CN117493879A
公开(公告)日：2024-02-02
申请号：CN202311371399.X
申请日：2023-10-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/21
Abstract: 本说明书一个或多个实施例提供一种模型微调方法及装置、电子设备及存储介质，所述方法包括：将多个任务的训练数据输入至待微调模型，得到所述待微调模型输出的每个任务的训练数据的预测结果；根据每个任务的训练数据的预测结果，以及对应的训练数据的标签，确定每个任务的训练损失；根据每个任务的训练损失和每个的任务的损失权重确定总损失，并根据所述总损失对待微调模型的参数进行微调，其中，每个任务的损失权重至少与所述任务的训练数据的数量相关。
-
公开(公告)号：CN117056166A
公开(公告)日：2023-11-14
申请号：CN202311031839.7
申请日：2023-08-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/30 , G06F18/2433
Abstract: 本说明书一个或多个实施例提供了一种数据异常检测方法、装置、存储介质及电子设备，涉及数据处理技术领域。该方法包括：确定目标微服务系统中的指标时序数据、日志时序数据和调用链时序数据，目标微服务系统中包括多个微服务；基于指标时序数据和日志时序数据，确定多个微服务对应的多个服务实例；基于调用链时序数据，确定多个服务实例之间的服务调用关系；基于多个服务实例以及多个服务实例之间的服务调用关系，生成具有时序关系的多个有向图；基于多个有向图，确定目标微服务系统对应的数据异常检测结果。
-
公开(公告)号：CN116894634A
公开(公告)日：2023-10-17
申请号：CN202310614890.4
申请日：2023-05-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种业务系统的异常处理方法、电子装置、设备及存储介质。方法包括：对业务系统的多个监控项进行异常检测，得到属于异常的目标异常检测样本集，其中，异常检测样本包含有监控项的异常检测数据。基于因果推理算法，构建得到目标异常检测样本对应的有向关系图，其中，有向关系图的节点表示监控项，有向关系图的有向边表示监控项之间的因果关系指向。基于预先设置的有向关系图中每个节点到指向的其他节点的转移概率，构建有向关系图对应的节点分布函数，并对函数进行多轮迭代，以将每个节点对应的分布概率确定为该节点的异常影响度。选取出异常影响度达到预设标准的目标监控项，并对目标监控项执行预设异常处理决策。
-
Patent Agency Ranking
公开(公告)号：CN115359654B
公开(公告)日：2023-09-08
申请号：CN202210924959.9
申请日：2022-08-02
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流量预测系统的更新方法及装置。其中流量预测系统包括图生成模块、时序网络和两个图神经网络，该方法包括：先基于图生成模块中用于表征N个对象节点的节点表征参数生成第一图结构数据，其指示挖掘出的节点间连接关系；再利用第一图神经网络处理第一图结构数据和节点流量数据，得到N个第一节点嵌入表征，并利用第二图神经网络处理预先构建的第二图结构数据和所述节点流量数据，得到N个第二节点嵌入表征；之后，利用时序网络处理所述节点流量数据，以及对上述两部分节点嵌入表征进行融合处理而得到的融合表征矩阵，得到各个对象节点在节点流量数据之后时刻下的预测流量值，用于结合真实流量值更新流量预测系统中的参数。
-
公开(公告)号：CN116708844A
公开(公告)日：2023-09-05
申请号：CN202310746353.5
申请日：2023-06-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书披露的多个实施例提供了一种编码方法、解码方法、装置、介质及计算设备。自回归模型对隐含层变量进行预测的方式进行调整，自回归模型不再实时计算隐含层变量的预测概率分布，而是通过查表方式获取隐含层变量的预测概率分布。自回归模型所查询的表是预先构建的预测概率分布表，预测概率分布表中包括Cn个预测概率分布，C为隐含层变量类别的数量，n为所述自回归模型对隐含层变量进行确定时所采用的马尔可夫阶数。也就是说，由于隐含层变量类别是有限的，因此，可以预先穷尽隐含层变量的所有可能的预测概率分布，形成预测概率分布表，自回归模型通过查询预测概率分布表，能获取到当前所针对的隐含层变量的预测概率分布。
-
公开(公告)号：CN116185681A
公开(公告)日：2023-05-30
申请号：CN202211643825.6
申请日：2022-12-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种故障定位的方法、装置、存储介质及电子设备，在本说明书提供的故障定位方法中，在定位到故障源的前提下，获取故障源的各状态指标，根据各状态指标，通过预先训练的拟合模型拟合得到业务执行失败的数目，即第一数目，然后针对每个状态指标，将除该状态指标的其他指标再次输入拟合模型，拟合得到第二数目，根据第一数目与第二数目，以及两次拟合过程确定该状态指标的贡献度，最后根据各状态指标的贡献度定位故障源的根因指标。本方法可以准确定位故障源的根因指标，且不限制各状态指标的数值范围和物理意义，方便快捷，还有利于隐私保护。
-
公开(公告)号：CN115766507A
公开(公告)日：2023-03-07
申请号：CN202211457082.3
申请日：2022-11-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L43/0805 , H04L41/0631 , H04L9/40 , G06N3/08
Abstract: 本说明书一个或多个实施例公开了一种业务异常检测方法及装置。所述方法包括：根据待检测的目标业务的目标业务类型，获取训练后的初始异常检测模型以及与所述目标业务类型对应的目标业务参数集，所述初始异常检测模型根据至少一种业务类型的样本业务数据训练得到，所述初始异常检测模型包括异常检测模块和噪声检测模块。根据所述初始异常检测模型和所述目标业务参数集，生成所述目标业务对应的目标异常检测模型。将所述目标业务的业务数据输入所述目标异常检测模型，得到所述目标业务对应的异常检测结果。
-
公开(公告)号：CN114399027A
公开(公告)日：2022-04-26
申请号：CN202210005134.7
申请日：2022-01-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种利用神经网络进行序列处理的方法以及序列处理的装置，在序列处理的方法中，在生成层，获取按时间排序的业务指标值形成的指标序列所对应的原始向量序列，针对该原始向量序列迭代执行多层级的向量聚合，得到对应于不同时间尺度的多层级的处理向量序列，原始向量序列和各处理向量序列中的各个向量，形成多层级的树形关系图。在注意力层，根据树形关系图，确定输入的任一目标向量的关联向量，根据关联向量对目标向量进行基于注意力机制的加权综合处理，得到对应的更新向量；该更新向量用于确定指标序列的特征表示。
-
-
-
-
-
-
-
Search Results
78
records
(took 0.041 seconds)
