公开(公告)号：CN116933076A

公开(公告)日：2023-10-24

申请号：CN202310870976.3

申请日：2023-07-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张跃 ,  于晓东 ,  杨新星 ,  徐哲轩 ,  李龙飞 ,  吴军

IPC: G06F18/214 ,  G06F18/24 ,  G06N5/01 ,  G06N20/00

Abstract: 本说明书实施例提供了基于多场景的模型训练方法及装置、模型预测方法及装置。在模型训练方法中，获取针对各个不同场景的共性训练样本集和个性训练样本集；针对各个机器，使用一个场景的支持样本集对该机器中的模型进行训练，以得到该模型中的决策层网络的第一决策参数；使用对应场景的查询样本集对更新后的模型进行训练，得到该模型中的特征网络的特征参数以及决策层网络的第二决策参数；使用对应场景的个性训练样本集对该机器中更新后的模型进行训练，以得到该机器对应场景的场景决策参数；以及存储各个场景的场景决策参数和第二决策参数，以与配置有特征参数的模型结合使用。

公开(公告)号：CN117010992A

公开(公告)日：2023-11-07

申请号：CN202310959867.9

申请日：2023-08-01

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 于晓东 ,  张跃 ,  吴军 ,  杨新星 ,  徐哲轩 ,  李龙飞 ,  王泽杰

IPC: G06Q30/0601 ,  G06Q30/0242 ,  G06F18/20 ,  G06F18/214 ,  G06F18/23 ,  G06N20/00

Abstract: 本说明书实施例公开了一种用于多任务多场景推荐的推荐模型的训练方法和推荐方法，涉及信息推荐模块，本说明书通过提供的推荐模型包括多个任务中各任务对应的场景网络，在向用户进行推荐时确定目标推荐内容对应的至少一个目标任务和目标场景，通过推荐模型包括的目标任务对应的场景网络中场景共有网络和目标场景专有网络，生成目标推荐内容。针对该推荐模型的训练，基于包括已标注的推荐内容的样本集合，首先对推荐模型包括的全部场景网络进行第一参数训练，其次对各任务对应的多个场景专有网络进行第二参数训练，最后对各任务对应的多个场景专有网络进行第三参数训练，直至推荐模型拟合，且第二参数训练和第三参数训练的训练方法不相同。

公开(公告)号：CN115861681A

公开(公告)日：2023-03-28

申请号：CN202211422452.X

申请日：2022-11-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张跃 ,  杨新星 ,  朱峰 ,  张雅淋 ,  李盟 ,  石起涛 ,  李龙飞 ,  周俊

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/09

Abstract: 本说明书实施例公开了一种模型的元学习方法、装置以及设备。方案包括通过获取包含M个样本的集合；针对第i个样本Si，生成对应于所述训练样本的嵌入向量φi和中间特征图ηi；根据所产生的M个嵌入向量的平均值τc生成维度注意力图Md，和，根据所产生的M个中间特征图的平均值τη生成区域注意力图Mr；融合所述嵌入向量φi和维度注意力图Md生成维度特征向量φi’，以及，融合所述第i个样本的中间特征图ηi和所述区域注意力图Mr生成区域特征图ηi’；根据所述维度特征向量φi’和所述区域特征图ηi’进行训练。从而实现在元学习中，通过从维度和区域这两个不同的角度上来精确定位任务所需要的特征，减少无关特征的干扰。

公开(公告)号：CN116596093A

公开(公告)日：2023-08-15

申请号：CN202310623027.5

申请日：2023-05-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 于晓东 ,  吴军 ,  张跃 ,  杨新星 ,  徐哲轩 ,  李龙飞

IPC: G06N20/00

Abstract: 本说明书实施例提供了推荐模型的训练方法及装置，推荐模型的训练方法包括：获取混合场景样本集，混合场景样本集包括多个推荐项的特征数据，且该多个推荐项的特征数据对应于多个不同的场景；根据混合场景样本集，对初始推荐模型进行模型训练，得到中间推荐模型；初始推荐模型包括多目标单元和预设目标集合中每个推荐目标对应的多场景单元；多目标单元包括多个专家子单元、每个推荐目标对应的门控子单元以及每个推荐目标对应的归一化子单元；获取多个单场景样本集；根据每个单场景样本集，分别对中间推荐模型进行模型训练，得到推荐模型；推荐模型用于确定推荐项，该推荐项在预设场景中满足由预设场景和每个推荐目标确定的多目标推荐条件。

公开(公告)号：CN118822711A

公开(公告)日：2024-10-22

申请号：CN202410797777.9

申请日：2024-06-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张跃 ,  杨新星 ,  朱峰 ,  李龙飞 ,  蒋林玻 ,  周俊

IPC: G06Q40/03 ,  G06N3/045 ,  G06N3/0985 ,  G06N3/096

Abstract: 本说明书实施例提供一种用于多机构的风险预测模型的训练、预测方法和装置。训练方法包括：分布式系统内的任一工作节点获取目标机构对应的一批样本构成的目标样本集，样本包括目标机构的样本用户的用户特征和样本用户的风险标签；在第一阶段，根据目标样本集，与其他工作节点联合确定多个机构对应的多个风险预测模型的元基础参数；多个风险预测模型具有共享的特征表示网络，任一风险预测模型具有对应机构专用的预测网络；在第二阶段，根据目标样本集，在元基础参数的基础上，调整目标机构的目标风险预测模型中预测网络的专属参数。

公开(公告)号：CN116955815A

公开(公告)日：2023-10-27

申请号：CN202310904983.0

申请日：2023-07-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黎经元 ,  张跃 ,  林轩 ,  杨新星 ,  周鸽 ,  李龙飞 ,  陈鸿 ,  周俊

IPC: G06F16/9535 ,  G06F18/23 ,  G06F18/214 ,  G06Q10/0639

Abstract: 本申请公开了一种事务信息推荐方法、装置、存储介质、产品及电子设备，其中，方法包括：获取时段偏好模型，所述时段偏好模型用于计算用户对不同时段的事务信息的偏好分数，基于目标用户的用户特征和曝光事务信息的时效性特征，获得所述目标用户的时效性偏好向量，所述曝光事务信息为曝光于所述目标用户的事务信息，采用所述时效性偏好向量对所述时段偏好模型进行参数调制处理，获得目标偏好模型，基于所述用户特征和目标事务信息的内容特征，采用所述目标偏好模型对所述目标用户进行偏好预测处理，获得所述目标用户对所述目标事务信息的偏好分数，基于所述偏好分数，确定针对所述目标用户的所述目标事务信息的推荐策略。