-
公开(公告)号：CN111506822B
公开(公告)日：2023-08-18
申请号：CN202010471060.7
申请日：2020-05-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本申请的提出数据编码以及信息推荐方法、装置和设备。该方法包括：将用于确定注意力权重的状态数据，输入第一神经网络，得到第一编码向量。将用户长期行为数据，以及该长期行为的发生时刻，与该长期行为的上一次长期行为的发生时刻之间的第一间隔时长数据，输入第二神经网络，得到第二编码向量。将用户短期行为数据，以及该短期行为的发生时刻，与该短期行为的上一次短期行为的发生时刻之间的第二间隔时长数据，输入第三神经网络，得到第三编码向量。根据上述第一编码向量，确定注意力权重向量。基于上述注意力权重向量，对上述第二编码向量与上述第三编码向量进行编码。
-
公开(公告)号：CN111104591B
公开(公告)日：2023-05-12
申请号：CN201911199008.4
申请日：2019-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535
Abstract: 本说明书提供一种推荐信息生成方法及装置，所述方法包括：将信息推荐时，单轮一次生成多个推荐信息，转换为单轮多次生成多个推荐信息，每一次生成一个推荐信息，并且上一次生成的推荐信息与信息推荐关联因子一起作为下一次推荐信息生成的输入信息。通过将单轮一次生成多个推荐信息，转换为单轮多次生成多个推荐信息的方式，使得可以在每一次推荐信息的生成过程中，加入历史推荐信息。
-
公开(公告)号：CN111738781B
公开(公告)日：2021-01-05
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N‑1个时间段对应的N‑1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N‑1个状态向量以及N‑1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
公开(公告)号：CN111324739A
公开(公告)日：2020-06-23
申请号：CN202010409830.5
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张琳
Abstract: 本说明书实施例公开了一种文本情感分析方法及系统，所述方法包括：获得待分析文本和至少一个待分析实体；利用分析模型对所述待分析文本和所述待分析实体进行处理，得到所述待分析文本面向所述待分析实体的情感；其中，所述分析模型包括图神经网络模型和判断模型，所述分析模型的处理包括：基于所述图神经网络模型、所述待分析实体与其关联实体的关系，以及所述待分析实体的向量，得到所述待分析实体的融合向量；所述判断模型基于所述待分析文本的向量和所述待分析实体的融合向量，确定所述待分析文本面向所述待分析实体的情感。
-
公开(公告)号：CN111046156A
公开(公告)日：2020-04-21
申请号：CN201911199043.6
申请日：2019-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06N20/00
Abstract: 本说明书提供了奖励数据的确定方法、装置和服务器。在一个实施例中，奖励数据的确定方法通过先获取第一样本用户针对当前标签的点击状态数据，以及预设的提问模型根据第一样本用户针对当前标签的点击状态数据所确定出的当前动作策略数据；再通过调用事先训练好的预设的奖励模型根据所述第一样本用户针对当前标签的点击状态数据，以及当前动作策略数据，确定出反馈给预设的提问模型的用于强化学习的奖励数据。从而能够快速、准确地获取用于强化学习的奖励数据。
-
Patent Agency Ranking
公开(公告)号：CN111538831B
公开(公告)日：2023-04-18
申请号：CN202010502724.1
申请日：2020-06-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/34 , G06F16/332 , G06F40/205 , G06F40/289 , G06N3/0442 , G06N3/08
Abstract: 本说明书一个或多个实施例提供一种文本生成方法、装置及电子设备；本说明书一个或多个实施例的方案，设计构建文本生成模型，该文本生成模型包括编码器和解码器，基于编码器‑解码器的结构，由编码器对输入文本进行编码，并基于自注意力机制相应生成输入文本包括的各个词的自注意力特征来确定输出词来自输入文本的概率，还结合编码器在当前步生成的自注意力特征以及解码器在前一步生成的自注意力特征，来确定输出词来自词典的概率以及前一步的输出词对于当前步输出词的输出概率的影响，进而由解码器逐步输出输出词以最终得到输出文本。
-
公开(公告)号：CN113935769A
公开(公告)日：2022-01-14
申请号：CN202111176915.4
申请日：2021-10-09
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张琳
IPC: G06Q30/02
Abstract: 本说明书实施例公开了一种基于收款设备的线下内容投放方法、装置以及设备。方案包括：接收第一商户的投放端发送的投放请求单；根据预设的维度，在可接单的多个第二商户的收款设备中，为投放端进行预测，得到多个收款设备与投放端之间对应的积极效果预测度，维度包括行业关系、用户重合度、距离中的多种；根据积极效果预测度，为投放端选择若干个收款设备，并在选择的若干个收款设备中，确定接受投放请求单的指定收款设备的设备类型；根据设备类型对应的方式，在指定收款设备中投放请求单对应的线下内容。
-
公开(公告)号：CN113327137A
公开(公告)日：2021-08-31
申请号：CN202110699190.0
申请日：2021-06-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02
Abstract: 本说明书一个或多个实施例提供一种广告投放方法、服务器、收款设备及计算机程序产品，所述方法包括：获取目标商家与其他商家之间的亲密度参数，其中，所述亲密度参数至少表征以下特征之一：所述目标商家与其他商家的收款设备之间的距离、行业相关度或交叉客户数量；至少根据所述亲密度参数确定所述目标商家的收款设备所投放的其他商家的广告，并向所述目标商家的收款设备发送投放指令。与传统的广告投放方案相比，本说明书提供的广告投放方法只需根据目标商家与其他商家的收款设备之间的距离、行业相关度或交叉客户数量确定出亲密度参数便可确定出目标商家的广告投放策略，无需浏览量、点击率等数据的支持，因此有效解决了广告投放冷启动的问题。
-
公开(公告)号：CN111738781A
公开(公告)日：2020-10-02
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N-1个时间段对应的N-1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N-1个状态向量以及N-1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
公开(公告)号：CN111460126A
公开(公告)日：2020-07-28
申请号：CN202010533197.0
申请日：2020-06-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F40/289 , G06F40/30 , G06F40/253 , G06N3/04 , G06N3/08
Abstract: 本说明书一个或多个实施例提供一种用于人机对话系统的回复生成方法、装置及电子设备，通过预先训练的回复生成模型，将用户与机器人的问题和回复输入，通过第一编码器层进行自注意力和局部掩码处理，使模型充分利用问题和回复各自语句内的语义特征，再通过第二编码器层自注意力和全局掩码处理，使得模型充分利用当前以及之前的所有问题和回复的上下文语义特征，并基于第二编码器层的输出来生成对应于用户当前问题的当前回复。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.033 seconds)
