-
公开(公告)号：CN115964211A
公开(公告)日：2023-04-14
申请号：CN202211698053.6
申请日：2022-12-28
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根因定位方法、装置、设备和可读介质。方案可以包括：首先，对于异常的目标指标，使用目标指标对应的时序数据以及目标指标相关联的候选指标对应的时序数据来训练线性回归模型，得到模型回归系数，以便根据模型回归系数从与目标指标相关联的各候选指标中筛选出可能的根因指标；然后，采用归因分析的方法计算各个可能的根因指标的归因分数，以便根据归因分数从可能的根因指标中确定出根因指标。根据本说明书实施例的根因定位方法，准确性高且可解释性强。
-
公开(公告)号：CN115526402A
公开(公告)日：2022-12-27
申请号：CN202211215171.7
申请日：2022-09-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种指标预测方法、装置、电子设备及存储介质。所述方法包括：获取目标指标序列，目标指标序列包括预设服务在M个时间点的M个指标值；获取与目标指标序列所属指标对应的目标权重向量；任一指标对应的权重向量用于表征该指标在时序上的变化特点；利用预先训练好的指标预测模型，对携带有各个指标值对应的协变量和位置向量的目标指标序列和目标权重向量进行处理，获取在未来的N个时间点的N个预测指标值；其中，M、N为大于1的整数。本实施例实现基于不同指标对应的权重向量，通过一个指标预测模型对属于不同指标的指标序列进行预测。
-
公开(公告)号：CN116185681B
公开(公告)日：2025-03-14
申请号：CN202211643825.6
申请日：2022-12-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种故障定位的方法、装置、存储介质及电子设备，在本说明书提供的故障定位方法中，在定位到故障源的前提下，获取故障源的各状态指标，根据各状态指标，通过预先训练的拟合模型拟合得到业务执行失败的数目，即第一数目，然后针对每个状态指标，将除该状态指标的其他指标再次输入拟合模型，拟合得到第二数目，根据第一数目与第二数目，以及两次拟合过程确定该状态指标的贡献度，最后根据各状态指标的贡献度定位故障源的根因指标。本方法可以准确定位故障源的根因指标，且不限制各状态指标的数值范围和物理意义，方便快捷，还有利于隐私保护。
-
公开(公告)号：CN118862877A
公开(公告)日：2024-10-29
申请号：CN202410853211.3
申请日：2024-06-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/284 , G06F40/16 , G06N3/0499 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本说明书实施例披露一种文本处理方法及装置。该方法包括：首先，获取目标文本序列，其中包括顺序排列的T个词元。接着，利用状态空间模型进行T次迭代，以得到目标输出；其中，任意第t次迭代包括：利用所述状态空间模型中包括的选择门参数和缩放门参数分别处理第t个词元特征，得到选择门控信号和缩放门控信号；对上一次迭代后的状态空间表征与当前的输入状态进行组合操作，得到本次迭代后的状态空间表征；其中所述输入状态基于所述第t个词元特征而确定，所述组合操作的组合权重通过利用所述缩放门控信号对所述选择门控信号进行缩放处理而确定。之后，基于所述目标输出进行预测处理，得到目标预测结果。
-
公开(公告)号：CN118860412A
公开(公告)日：2024-10-29
申请号：CN202411075167.4
申请日：2024-08-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F8/41 , G06F18/214 , G06N3/042
Abstract: 本说明书提供代码处理方法、训练数据的处理方法及模型微调方法，代码处理方法包括：提取待处理代码的图数据，其中，所述图数据包括多个节点和不同节点之间的连接关系；根据所述待处理代码内与所述图数据中至少一个节点对应的代码片段，分别提取所述图数据中至少一个节点的特征；根据所述图数据中至少一节点的特征，以及至少两个节点之间的连接关系，确定所述图数据对应的词向量，其中，所述词向量为适应于大语言模型的特征空间的词向量。该方法能够将代码处理为适应于大语言模型的特征空间的等效词向量，从而使得代码能够接入大语言模型，并提高大语言模型对代码含义的获知能力。
-
Patent Agency Ranking
公开(公告)号：CN118395184A
公开(公告)日：2024-07-26
申请号：CN202410545088.9
申请日：2024-04-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F40/194 , G06F40/30
Abstract: 本说明书实施例提供一种训练目标模型的方法及装置，在训练目标模型的方法中，获取训练集，其中包括若干匹配的文本对。利用目标模型分别处理训练集中的文本，得到第一样本对应的第一匹配得分，以及第二样本对应的第二匹配得分。其中第一样本属于匹配的文本对构成的正样本，第二样本属于不匹配的文本对构成的负样本。获取利用预训练的大语言模型分别处理第一样本和第二样本而得到的第一和第二匹配概率。根据第一和第二匹配得分，以及第一和第二匹配概率，确定对比损失。基于综合损失，调整目标模型的参数。
-
公开(公告)号：CN117668539A
公开(公告)日：2024-03-08
申请号：CN202311573017.1
申请日：2023-11-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/21
Abstract: 本说明书一个或多个实施例提供一种模型微调方法及装置、电子设备及存储介质，所述方法包括：将多个训练样本输入至待微调模型，得到所述待微调模型输出的每个训练样本的预测结果，其中，所述多个训练样本属于一个以上任务；根据每个训练样本的预测结果和对应的训练样本的标签，确定每个训练样本的损失值；对于每个任务，根据所述任务的每个训练样本的损失值和所述多个训练样本中属于所述任务的所有训练样本的数据量，确定所述任务的损失值；根据每个任务的损失值确定总损失值，并根据所述总损失值对待微调模型的参数进行微调。
-
公开(公告)号：CN117454942A
公开(公告)日：2024-01-26
申请号：CN202311403317.5
申请日：2023-10-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种神经网络模型、时间序列预测方法及装置、存储介质，该神经网络模型包括至少两个相关系数计算模块，至少两个相关系数计算模块分别用于计算历史基底系数和未来基底系数；预测模块，用于基于目标基底的未来部分和历史基底系数，预测第一时间序列所对应的未来时间序列。本公开可以为时间序列提供自适应性的基底，能够自适应地学习时间序列数据集的主要特征，且基底与时间序列之间也是自适应的，即能够自适应性衡量不同基底与时间序列相关性的差异，从而为时间序列选择最合适的基底，提高了时间序列预测的准确性，且减少了基底塌缩的可能性。
-
公开(公告)号：CN116383010A
公开(公告)日：2023-07-04
申请号：CN202310413978.X
申请日：2023-04-10
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告警事件聚合方法及装置。该方法包括：获取目标异质图，目标异质图包括用于表征多个检测项的多个检测项节点，以及与检测项节点有边相连的属性值节点，单个属性值节点用于表征其连接的检测项节点所表征的检测项在某个属性下的属性值；其中，该多个检测项是多个历史告警事件分别关联的检测项的集合；将目标异质图输入预先训练的第一图神经网络，得到第一图神经网络输出的该多个检测项节点各自的特征向量；基于该多个检测项节点各自的特征向量对该多个检测项进行聚类，得到多个类簇，该多个类簇用于该多个检测项分别产生的告警事件的聚合。
-
公开(公告)号：CN113988264A
公开(公告)日：2022-01-28
申请号：CN202111271139.6
申请日：2021-10-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/04 , G06N3/08 , H04L43/0876 , G08G1/065
Abstract: 本说明书实施例中提供了一种获得用于执行流量预测业务的图神经网络的方法及装置。该方法包括：获取图结构中N个节点的流量数据序列，流量数据序列包括与T个时段相对应的T个流量数据集合，单个流量数据集合包含N个节点各自在对应时段的节点流量；确定N个节点各自的节点流量满足的约束条件；根据约束条件确定损失函数；根据流量数据序列和损失函数训练得到用于执行流量预测业务第一时空图神经网络。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.032 seconds)
