公开(公告)号：CN120067842A

公开(公告)日：2025-05-30

申请号：CN202510220527.3

申请日：2025-02-26

Applicant: 支付宝(杭州)信息技术有限公司 ,  南京大学

Inventor： 王魏 ,  李济孚 ,  谢恩宁 ,  陈碧莹 ,  周仁丹 ,  何建杉

IPC: G06F18/2413 ,  G06F18/2415 ,  G06N3/08 ,  G06F18/214 ,  G06F18/22 ,  G06F18/23213 ,  G06Q40/00

Abstract: 本说明书实施例提供了一种训练用户分类模型的方法，包括：获取基于预训练模型分别初始化的第一分类模型、第二分类模型。利用第一分类模型，对用户集的第一子集中各用户进行类簇预测，得到类簇伪标签；以及，利用第二分类模型，对各用户进行M个用户群体的分类预测，得到分类伪标签。根据各用户的类簇伪标签和分类伪标签，从第一子集中确定出未知类别的第一用户。利用第一/第二分类模型，分别对该第一用户的增强样本进行预测，得到第一/第二预测结果；以第一预测结果接近该第一用户的类簇伪标签为目标，对第一分类模型进行更新；以第二预测结果中对应于M个用户群体的预测概率之和最大化为目标，对第二分类模型进行更新。

公开(公告)号：CN114756720A

公开(公告)日：2022-07-15

申请号：CN202210662745.9

申请日：2022-06-13

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 魏建平 ,  周俊 ,  张志强 ,  刘子奇 ,  陈碧莹

IPC: G06F16/901 ,  G06N3/04 ,  G06N3/08

Abstract: 本公开披露了一种时序数据的预测方法和装置。所述方法包括：获取图数据，所述图数据包括目标节点的时序数据以及所述目标节点的邻居节点的时序数据；将所述目标节点的时序数据输入时序编码器，得到所述目标节点的节点特征；将所述目标节点的时序数据和所述邻居节点的时序数据输入空间编码器，得到所述邻居节点的节点特征，所述邻居节点的节点特征为所述邻居节点的时序数据中的与所述目标节点的时序数据相关的特征；将所述目标节点的节点特征和所述邻居节点的节点特征融合，得到融合后的特征；根据所述融合后的特征，确定所述目标节点的时序数据的预测结果。

公开(公告)号：CN114756720B

公开(公告)日：2022-10-04

申请号：CN202210662745.9

申请日：2022-06-13

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 魏建平 ,  周俊 ,  张志强 ,  刘子奇 ,  陈碧莹

IPC: G06F16/901 ,  G06N3/04 ,  G06N3/08

Abstract: 本公开披露了一种时序数据的预测方法和装置。所述方法包括：获取图数据，所述图数据包括目标节点的时序数据以及所述目标节点的邻居节点的时序数据；将所述目标节点的时序数据输入时序编码器，得到所述目标节点的节点特征；将所述目标节点的时序数据和所述邻居节点的时序数据输入空间编码器，得到所述邻居节点的节点特征，所述邻居节点的节点特征为所述邻居节点的时序数据中的与所述目标节点的时序数据相关的特征；将所述目标节点的节点特征和所述邻居节点的节点特征融合，得到融合后的特征；根据所述融合后的特征，确定所述目标节点的时序数据的预测结果。

公开(公告)号：CN111199429A

公开(公告)日：2020-05-26

申请号：CN202010014918.7

申请日：2020-01-07

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 侯志鹏 ,  陈碧莹 ,  陈凌 ,  刘磊

IPC: G06Q30/02 ,  G06K9/62

Abstract: 本说明书实施例提供的预测模型的训练方法及装置，其中，所述方法包括为采集的每个用户分配一个权益，并按照权益类型对权益进行划分；将每种权益类型的权益的权益特征和对应的用户的用户特征分为训练数据和测试数据；基于每种权益类型的训练数据对每种权益类型对应的初始预测模型进行训练，得到每种权益类型对应的预测模型；将每种权益类型的测试数据输入每种权益类型对应的预测模型中得到测试结果，并基于所有测试结果调整预测模型。

公开(公告)号：CN120014685A

公开(公告)日：2025-05-16

申请号：CN202510088122.9

申请日：2025-01-20

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李济孚 ,  张磊 ,  谢恩宁 ,  张雷 ,  陈碧莹 ,  何建杉 ,  周仁丹

IPC: G06V40/16 ,  G06V10/75 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0895

Abstract: 本说明书提供了一种模型训练方法及同质人群筛选方法、装置，模型训练方法包括利用带噪声标签的样本数据集对第一、第二初始模型进行协同指导训练，并且对未利用到的样本数据生成标签数据，并基于这些样本数据进行模型训练得到第一、第二子模型。基于半监督学习思想，为协同指导训练未利用到的高噪声数据生成对应的标签数据，从而利用全量的样本数据对模型进行训练，极大提高样本数据的利用率，而且增大训练数据规模，进而提高模型训练效果和精度。