-
公开(公告)号：CN120031017A
公开(公告)日：2025-05-23
申请号：CN202510181964.9
申请日：2025-02-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/186 , G06F16/9032 , G06F16/903
Abstract: 本说明书实施例公开了一种文案生成方法、装置、电子设备、介质及程序产品。其中，该方法包括：运营平台获取运营目标对应的目标因子数据和目标提示词模板类型，目标因子数据包括影响运营目标的目标数据指标以及目标数据指标对应的目标元数据；然后，基于目标提示词模板类型和目标因子数据确定目标提示词；最后，基于目标提示词，利用目标大模型生成运营目标对应的目标文案模板，目标文案模板包括目标因子数据对应的目标定向条件、与目标定向条件相关的目标文案以及目标数据占位符，目标文案模板用于生成运营目标对应商家端所要展示的目标营销文案。
-
公开(公告)号：CN115037655B
公开(公告)日：2024-03-12
申请号：CN202210544975.5
申请日：2022-05-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L43/0876 , H04L41/14 , H04L41/147 , H04L47/20 , G06F18/243
Abstract: 本说明书提供的压测方法和系统，预测多个用户中每个用户在未来的目标时刻对目标页面执行目标操作的目标操作概率，目标操作概率表示每个用户是否执行目标操作，基于每个用户的目标操作概率确定目标页面在目标时刻接受目标操作的预测聚合流量，所述预测聚合流量描述了执行目标操作的群体用户的数量，基于预测聚合流量的大小为目标页面确定相应的压测方案并执行，能够准确预测未来流量，并提前基于预测聚合流量进行针对性压测，以提前准备好机器资源，保证计算机系统在面对未来的峰值流量时能够稳定运行。
-
公开(公告)号：CN115270968A
公开(公告)日：2022-11-01
申请号：CN202210909816.0
申请日：2022-07-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供数据处理方法及装置，该方法包括获取与目标项目对应的第一数据、第二数据、第一数据以及第二数据的初始数据标签；确定第一训练数据的第一数据特征和第二数据的第二数据特征；根据第一训练数据以及第二数据的初始数据标签、第一数据特征和第二数据特征，确定第二数据的目标数据标签；根据第二数据以及目标数据标签训练初始模型，并根据初始模型以及第一验证数据确定数据置信度；根据数据置信度从第二数据中确定目标数据，并将目标数据添加至第一数据对初始模型进行训练，获得目标模型。该方法通过强弱标签互补的协同训练方式进行模型训练，克服少量样本数据使用GNN浅层信息传播效率低及弱标签噪声干扰的问题。
-
公开(公告)号：CN114925279B
公开(公告)日：2024-07-23
申请号：CN202210635074.7
申请日：2022-06-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/0601 , G06N3/042 , G06N3/045 , G06N3/098
Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置，其中推荐模型训练方法包括：获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型，提高模型准确性。
-
公开(公告)号：CN116882444A
公开(公告)日：2023-10-13
申请号：CN202310678807.X
申请日：2023-06-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/04 , G06N3/08 , G06Q30/0601 , G06Q30/0202
Abstract: 本说明书实施例提供一种决策模型、决策模型的训练方法、决策方法、决策模型的训练装置、决策装置、计算机可读存储介质、电子设备以及计算机程序产品，上述决策模型包括：特征嵌入层，该特征嵌入层包括隐藏层或该特征嵌入层中权值共享，用于对输入特征进行嵌入处理并输出嵌入特征；任务处理模块，该任务处理模块用于接收上述嵌入特征，并对上述嵌入特征执行与任务相关的特征处理并输出任务关联特征；与上述任务处理模块连接的信息迁移模块，用于根据任务关联特征确定当前任务的组合特征；与上述信息迁移模块连接的分类层，用于根据当前任务的组合特征确定关于当前任务的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN116522996A
公开(公告)日：2023-08-01
申请号：CN202310385125.X
申请日：2023-04-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/0464 , G06N3/08
Abstract: 本申请的实施例公开了一种推荐模型的训练方法、推荐方法以及相关装置，通过将标记有真实结果的用户行为序列样本输入推荐模型得到总体价值向量。然后根据定价价值向量校准该总体价值向量，得到校准价值向量。然后再将该校准后的价值向量和之前的用户的各种行为特征再送入上述推荐模型，得到预测结果，校准后的价值向量可以帮助推荐模型得到更准确的预测结果，基于上述的行为特征、预测结果以及真实结果，确定损失函数；基于该损失函数对上述推荐模型进行参数更新，直至损失函数收敛。
-
公开(公告)号：CN114925279A
公开(公告)日：2022-08-19
申请号：CN202210635074.7
申请日：2022-06-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/06 , G06N3/08
Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置，其中推荐模型训练方法包括：获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型，提高模型准确性。
-
公开(公告)号：CN116934401A
公开(公告)日：2023-10-24
申请号：CN202310917403.1
申请日：2023-07-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0251 , G06Q30/0241 , G06N3/126
Abstract: 本说明书公开了一种事务投放频次确定方法、装置、存储介质以及电子设备，其中，方法包括：首先获取被投放事务推广数据的目标人群的人群特征，然后获取针对上述事务推广数据设置的多个事务投放频次，根据上述人群特征对上述目标人群进行划分得到不同属性的人群网格，最后，采用快速非支配排序遗传算法，并基于上述多个事务投放频次和针对上述事务推广数据设定的不同事务目标，对该人群网格进行计算，得到该人群网格在不同事务目标下的目标事务投放频次。
-
公开(公告)号：CN115037655A
公开(公告)日：2022-09-09
申请号：CN202210544975.5
申请日：2022-05-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L43/0876 , H04L41/14 , H04L41/147 , H04L47/20 , G06K9/62
Abstract: 本说明书提供的压测方法和系统，预测多个用户中每个用户在未来的目标时刻对目标页面执行目标操作的目标操作概率，目标操作概率表示每个用户是否执行目标操作，基于每个用户的目标操作概率确定目标页面在目标时刻接受目标操作的预测聚合流量，所述预测聚合流量描述了执行目标操作的群体用户的数量，基于预测聚合流量的大小为目标页面确定相应的压测方案并执行，能够准确预测未来流量，并提前基于预测聚合流量进行针对性压测，以提前准备好机器资源，保证计算机系统在面对未来的峰值流量时能够稳定运行。
-
公开(公告)号：CN115204949A
公开(公告)日：2022-10-18
申请号：CN202210825837.4
申请日：2022-07-14
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供任务推荐方法，其中所述任务推荐方法包括：接收目标用户对应的任务集合，其中，所述任务集合包含待处理任务；基于任务推荐模型中的第一任务处理单元对所述任务集合进行处理，获得所述任务集合的集合表征；基于偏好预测模型中的参数处理单元，对所述目标用户的用户参数进行处理，获得所述目标用户对应的用户表征；基于所述任务推荐模型中的第二任务处理单元，对所述集合表征以及所述用户表征进行处理，获取所述待处理任务的任务特征；将所述任务特征输入所述任务推荐模型中的任务预测单元，获得所述目标用户对应的目标任务，从而准确向用户推荐符合其偏好的营销活动。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.033 seconds)
