-
公开(公告)号：CN118277791A
公开(公告)日：2024-07-02
申请号：CN202410471316.2
申请日：2024-04-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F16/9535 , G06Q30/0601 , G06N20/00
Abstract: 本说明书实施例提供的推荐模型的训练方法以及电子设备，基于第一训练样本以及第一样本标签对第一初始推荐模型进行训练，得到预训练推荐模型；基于预训练推荐模型针对第二训练样本的预测打分，确定第二训练样本的软标签；通过预训练推荐模型产出的软标签以及第二训练样本对第二初始推荐模型进行自蒸馏训练。
-
公开(公告)号：CN118211073A
公开(公告)日：2024-06-18
申请号：CN202410405082.1
申请日：2024-04-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/23213
Abstract: 本说明书实施例提供的多任务处理方法、多任务模型的模型训练方法及设备，基于用户对应的人群相关特征以及预先得到的多个人群类簇的类簇中心，确定用户对应的目标类簇中心；基于用户对应的目标类簇中心以及任务相关特征，通过多任务模型确定用户对应的各个任务的预测结果，其中，多任务模型的门控网络用于基于当前用户对应的目标类簇中心确定各个专家网络针对任务的权重。
-
公开(公告)号：CN111915414B
公开(公告)日：2022-06-07
申请号：CN202010898063.9
申请日：2020-08-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/06 , G06F16/9535 , G06F16/9538 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种向目标用户展示目标对象序列的方法和装置，方法包括：确定待展示的目标对象序列中各目标对象的初始排序；根据任一目标对象的属性特征和该目标对象在初始排序中的位置，得到该目标对象的叠加编码向量；将各叠加编码向量按照初始排序输入预先训练的重排序模型，重排序模型包括编码器和解码器，编码器基于各叠加编码向量，利用多头注意力机制对各目标对象逐个进行编码，得到各目标对象分别对应的隐特征向量，解码器根据各隐特征向量和上一步的解码输出，利用多头注意力机制从当前的未选择的目标对象中，选取目标对象作为当前步的解码输出；将各步的解码输出的顺序作为各目标对象的重排序。能够达到用户反馈的最大化。
-
公开(公告)号：CN111915414A
公开(公告)日：2020-11-10
申请号：CN202010898063.9
申请日：2020-08-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/06 , G06F16/9535 , G06F16/9538 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种向目标用户展示目标对象序列的方法和装置，方法包括：确定待展示的目标对象序列中各目标对象的初始排序；根据任一目标对象的属性特征和该目标对象在初始排序中的位置，得到该目标对象的叠加编码向量；将各叠加编码向量按照初始排序输入预先训练的重排序模型，重排序模型包括编码器和解码器，编码器基于各叠加编码向量，利用多头注意力机制对各目标对象逐个进行编码，得到各目标对象分别对应的隐特征向量，解码器根据各隐特征向量和上一步的解码输出，利用多头注意力机制从当前的未选择的目标对象中，选取目标对象作为当前步的解码输出；将各步的解码输出的顺序作为各目标对象的重排序。能够达到用户反馈的最大化。
-
公开(公告)号：CN118917308A
公开(公告)日：2024-11-08
申请号：CN202411144340.1
申请日：2024-08-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/279 , G06F16/36 , G06F18/232 , G06F18/214 , G06N5/022
Abstract: 本说明书实施例涉及基于知识图谱的业务处理方法及装置，方法包括：在离线阶段，使用目标编码器对知识图谱进行编码处理，得到其中各个实体的第一实体表征；所述知识图谱中包括表示用户和物品的实体；基于各个第一实体表征进行原型聚类，得到多个聚类中心；将与各个聚类中心距离接近的若干实体确定为锚点实体，将锚点实体的相关数据存储为锚点数据集；在业务处理阶段，响应于包含第一目标实体的处理请求，根据离线阶段形成的所述锚点数据集中至少部分锚点实体的第一实体表征，以及该第一目标实体与所述至少部分锚点实体的关系边，确定所述第一目标实体的第二实体表征；所述第二实体表征用于对用户进行物品推荐。
-
Patent Agency Ranking
公开(公告)号：CN112215664A
公开(公告)日：2021-01-12
申请号：CN202011186386.1
申请日：2020-10-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06F16/9535
Abstract: 本说明书提供信息推荐方法及装置，其中所述信息推荐方法包括：接收用户发送的业务请求，其中，所述业务请求中包括所述用户的用户标识；基于所述用户标识确定所述用户的用户属性信息；根据所述用户属性信息确定所述用户对应的推荐信息集合；根据所述业务请求和所述推荐信息集合确定目标推荐信息；在所述业务请求处理完成的情况下，向所述用户推荐所述目标推荐信息，通过本方法，可以有效提高信息推荐的成功率，有效提高流量分体效率，同时提高用户体验。
-
公开(公告)号：CN112184193A
公开(公告)日：2021-01-05
申请号：CN202011157534.7
申请日：2020-10-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了缴费处理方法及装置，其中，一种缴费处理方法包括：获取待缴账户的历史缴费记录、历史出账记录和账户余额；根据所述历史缴费记录、所述历史出账记录和所述账户余额，确定所述待缴账户的预期缴费时间和预期缴费额；基于所述预期缴费时间和所述预期缴费额进行定时任务注册；在注册的定时任务被触发的情况下，按照特定缴费模式对所述待缴账户进行缴费处理。
-
公开(公告)号：CN112015788A
公开(公告)日：2020-12-01
申请号：CN202010885692.8
申请日：2020-08-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/248 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种向目标用户展示目标对象序列的方法和装置，方法包括：确定待展示的目标对象序列中各目标对象的初始排序，初始排序按照各目标对象与目标用户的相关度由高到低进行排序；获取各目标对象分别对应的对象特征；将各目标对象分别对应的对象特征按照初始排序输入预先训练的重排序模型，重排序模型包括编码器和解码器，编码器对于各对象特征进行编码，得到目标对象序列对应的上下文表征向量，解码器根据上下文表征向量输出目标对象序列中各目标对象的重排序；按照重排序的各目标对象的位置，向目标用户展示目标对象序列。能够通过对目标对象的合理排序，从而基于该排序向目标用户展示目标对象序列时，达到用户反馈的最大化。
-
公开(公告)号：CN110781978A
公开(公告)日：2020-02-11
申请号：CN201911065763.3
申请日：2019-11-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本实施例之一涉及一种用于机器学习的特征处理方法和系统。所述方法包括：从基础特征集中获取多个候选特征以及从基础算子集中获取多个候选算子，将所述多个候选特征和多个候选算子组成多个初始特征组合；将所述多个初始特征组合作为遗传规划算法的初始种群，采用遗传规划算法对所述初始种群进行遗传操作，得到优化后的目标种群；基于所述优化后的目标种群得到目标特征组合，所述目标特征组合用基础特征和基础算子的计算结果来表示；其中基础特征属于基础特征集，基础算子属于基础算子集；将所述目标特征组合作为机器学习的一个特征参与机器学习的运算。
-
公开(公告)号：CN110717785A
公开(公告)日：2020-01-21
申请号：CN201910930427.4
申请日：2019-09-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种基于标签分布学习的决策方法。所述方法包括：获取与至少一个用户相关的至少一组特征数据，每一个用户可以对应一组特征数据；对于每一个用户，基于所述一组特征数据，以及第一决策模型，确定与所述用户对应的分布曲线，其中，所述第一决策模型可以为基于标签分布学习的可迁移深度学习模型；至少基于所述分布曲线，确定针对每个用户的第一决策结果，所述第一决策结果可以与第一业务相关。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.046 seconds)
