-
公开(公告)号：CN110781389A
公开(公告)日：2020-02-11
申请号：CN201910994809.3
申请日：2019-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06Q30/06 , G06Q50/00
Abstract: 本申请涉及一种用于为用户生成推荐的方法，所述方法包括：生成推荐模型，所述推荐模型用于为用户推荐物品；生成多视图社交模型，所述多视图社交模型对应于多个社交关系类型；组合所述推荐模型与所述多视图社交模型以得到多视图社交推荐模型；训练所述多视图社交推荐模型；以及使用经训练的多视图社交推荐模型来为所述用户生成推荐。本申请还公开了相关的系统和计算机存储介质。本申请能够更好地为用户生成推荐。
-
公开(公告)号：CN110704754A
公开(公告)日：2020-01-17
申请号：CN201910996134.6
申请日：2019-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9536 , G06F16/9537 , G06N20/00 , G06F16/29
Abstract: 本说明书实施例提供一种由用户终端执行的推送模型优化方法和装置，所述终端与第一用户相对应，所述终端本地包括当前推送模型，所述方法包括：获取第一用户针对第一对象的第一行为数据，其中，第一对象属于预定候选推送对象集合；基于第一输入特征和第一行为数据，计算用于优化所述推送模型的第一梯度数据，其中，第一输入特征包括从本地获取的所述第一用户的当前特征和从服务器获取的第一对象的当前特征；确定第一用户的当前的预定数目的邻居用户，其中，邻居用户与所述第一用户具有预定关联关系；将第一梯度数据分别发送给预定数目的邻居用户各自的终端，以使得每个邻居用户的终端基于第一梯度数据分别优化其本地的推送模型。
-
公开(公告)号：CN119558428A
公开(公告)日：2025-03-04
申请号：CN202411614311.7
申请日：2024-11-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06F40/205
Abstract: 本说明书实施例涉及基于强化学习训练语言模型的方法及装置，方法包括多轮更新，其中任意一轮更新包括：首先，将目标输入文本输入到目标语言模型中，得到目标输出序列。然后，根据所述目标输入文本和目标输出序列，使用预训练的多个奖励模型确定当前轮次的多个奖励分数。接下来，根据所述多个奖励分数以及所述多个奖励模型在上一轮次中各自的先前权重值，确定多个奖励模型在当前轮次中各自的当前权重值。然后，根据所述当前权重值对所述多个奖励分数进行加权求和，根据加权求和结果，确定总奖励分数。最后，根据所述总奖励分数，更新所述目标语言模型的参数值。
-
公开(公告)号：CN112084476B
公开(公告)日：2024-11-22
申请号：CN202010908350.3
申请日：2020-09-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/32 , G06F21/60 , G06Q20/40 , G06N3/0464 , G06N3/08
Abstract: 本说明书提供一种生物识别身份验证方法、客户端、服务器、设备及系统，可以利用服务器将生物识别模型进行拟合，获得生物识别函数，将生物识别函数以及生物特征发送至客户端，由客户端本地保存。当客户端接收到生物验证请求后，客户端可以利用本地存储的生物识别函数以及生物样本特征对用户进行身份验证。客户端在对用户进行身份验证时，不需要与服务器进行通信，直接利用本地存储的数据即可以进行，实现了离线状态下的生物识别身份验证，同时，将生物识别模型拟合成为生物识别函数，降低了计算的复杂度，提高了本地生物识别的速度。
-
公开(公告)号：CN118840162A
公开(公告)日：2024-10-25
申请号：CN202410939815.X
申请日：2024-07-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0251 , G06F40/279 , G06F16/33 , G06N5/02
Abstract: 本说明书实施例提供一种目标人群选择方法、装置、设备与存储介质，该方法包括：通过获取事务方输入的人群需求描述数据，识别人群需求描述数据中的用户属性标签和实体标签，获取与实体标签相似的关联实体标签，基于关联实体标签和实体标签得到实体标签集合，将用户属性标签以及实体标签集合与人群数据库中的预存人群标签进行匹配，以得到预存人群标签中与用户属性标签以及实体标签集合对应的目标人群标签，基于目标人群标签在人群数据库中确定事务方所需求的目标人群。
-
Patent Agency Ranking
公开(公告)号：CN112148755B
公开(公告)日：2024-10-18
申请号：CN202010927160.6
申请日：2020-09-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2455 , G06F16/248 , G06F21/60 , G06F21/64
Abstract: 本说明书提供一种基于秘密共享的隐私数据访问方法、装置、设备及系统，通过将待访问隐私数据的序号进行秘密共享拆分成序号第一份额、序号第二份额分发给保存有隐私数据库份额的第一方和第二方，使得第一方和第二方均无法获知待访问隐私数据的序号。第一方和第二方利用接收到的序号第一份额、序号第二份额对各自保存的数据库第一份额、数据库第二份额中的数据的序号进行打乱。再通过两次不经意传输，使得第一方和第二方分别从对方那获取到访问数据第一份额、访问数据第二份额，基于访问数据第一份额、访问数据第二份额可以获得待访问隐私数据，可以实现第一方和第二方在互相保密的前提下访问隐私数据库中某个元素。
-
公开(公告)号：CN113656651B
公开(公告)日：2024-09-20
申请号：CN202111003074.7
申请日：2021-08-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06F16/906 , G06N3/042 , G06N3/0464 , G06N3/045
Abstract: 本说明书实施例提供图节点关系表征生成和图节点业务关系预测方法及装置。在生成图节点关系表征时，分别自第一和第二图节点开始执行节点表征传播和节点表征聚合，确定第二和第一图节点的节点表征；并且基于第一和第二图节点的节点表征，生成第一和第二图节点之间的节点关系表征。在节点表征传播时，将每个源图节点的上一节点传播表征传播给该源图节点的目标图节点集合的每个目标图节点；根据各个目标图节点接收的节点传播表征以及自身上一节点传播表征，生成各个目标图节点的当前节点传播表征。在节点表征聚合处理时，根据聚合图节点的上一节点表征以及邻居图节点的上一节点表征，生成聚合图节点的当前节点表征。
-
公开(公告)号：CN118152590B
公开(公告)日：2024-08-16
申请号：CN202410564986.9
申请日：2024-05-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/36 , G06F16/35 , G06F40/284 , G06N5/022
Abstract: 本说明书实施例提供一种基于文本语料生成医疗知识图谱的方法及装置，在基于文本语料构建知识图谱时，可以将知识图谱的数据获取过程分为开放式抽取和对齐两个阶段。具体而言，先由大模型从原始文本语料中开放式抽取实体词及相应的实体类型，还根据所抽取的实体词和实体类型提取相应连接关系。之后，再按照预先定义的实体模式和连接模式进行实体和关系的对齐，并根据对齐结果构建知识图谱。如此，可以提高知识图谱构建的全面性和有效性。
-
公开(公告)号：CN115034861B
公开(公告)日：2024-08-13
申请号：CN202210740465.5
申请日：2022-06-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/096 , G06N3/042 , G06Q30/0601
Abstract: 本说明书实施例公开了一种针对长尾分布的学习方法、装置以及设备，方案包括：确定物品集合中的各头部物品和各尾部物品；确定依次具有从属关系的多个属性维度，以及头部物品和尾部物品在属性维度上的属性值；将头部物品、尾部物品、属性值作为图节点，根据图节点和从属关系，生成图网络，以使头部物品的图节点通过对应的属性值的图节点，与尾部物品的图节点连接；确定反映头部物品的图节点向量内不同维度之间的相关性的第一相关性参数，以及反映尾部物品的图节点向量内不同维度之间的相关性的第二相关性参数；确定反映第一相关性参数与第二相关性参数之间差距的相关性损失；根据相关性损失，对图网络中的图节点向量进行学习。
-
公开(公告)号：CN113657617B
公开(公告)日：2024-08-13
申请号：CN202111077337.9
申请日：2020-04-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书实施例公开了一种模型联合训练的方法及系统。所述方法包括：多个联合训练的参与终端分别基于所述终端自身持有的私有数据联合进行模型训练，多个联合训练的参与终端分别使用基于梯度的优化算法生成各自的梯度；所述多个参与终端分别将所述各自的梯度发送给服务器；所述服务器从多个所述梯度中选取可信任梯度，并且根据选取的所述可信任梯度更新所述联合训练模型的参数；所述样本数据为文本数据、语音数据或者图形数据。
-
-
-
-
-
-
-
-
-
Search Results
432
records
(took 0.058 seconds)
