-
公开(公告)号：CN111461792B
公开(公告)日：2022-09-16
申请号：CN202010302045.X
申请日：2020-04-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06F16/958 , G06N3/04 , G06N3/08
Abstract: 本说明书一个或多个实施例提供一种业务对象的展示方法、装置和电子设备；所述方法包括：获取用户的特征数据；对所述特征数据进行第一嵌入处理，得到所述用户对应于业务页面内的展示位的第一特征向量；根据所述第一特征向量，确定所述用户对业务页面内的展示位的关注度；对所述特征数据进行第二嵌入处理，得到所述用户对应于业务对象的第二特征向量；根据所述第一特征向量和所述第二特征向量，确定所述用户对所述展示位展示的业务对象的喜好度；根据所述关注度和所述喜好度，确定展示策略，并根据所述展示策略，通过所述展示位展示所述业务对象。
-
公开(公告)号：CN112837095A
公开(公告)日：2021-05-25
申请号：CN202110138578.3
申请日：2021-02-01
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对象分配方法和系统，该方法由至少一个处理器执行，其包括：获取待匹配的第一类对象的特征信息；基于所述第一类对象的特征信息以及两个或以上候选第二类对象的特征信息，确定所述第一类对象分别与两个或以上候选第二类对象的匹配值；获取匹配修正参数；至少基于匹配修正参数以及两个或以上的所述匹配值，从所述两个或以上候选第二类对象中选择目标第二类对象，并分配给所述第一类对象。
-
公开(公告)号：CN114139724B
公开(公告)日：2024-08-09
申请号：CN202111447295.3
申请日：2021-11-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/084 , G06N3/0464 , G06N3/045 , G06F16/9535 , G06Q30/0251
Abstract: 本说明书实施例提供一种增益模型的训练方法，包括：先将用户集中任意目标用户的用户特征，分别输入基于有干预用户而训练的第一预测模型、基于无干预用户而训练的第二预测模型和干预倾向预测模型，对应得到该目标用户针对目标行为的第一预测结果，第二预测结果，和该用户是否被干预的干预倾向分数；接着，根据所述第一预测结果、第二预测结果、干预倾向分数，以及该目标用户的行为标签，确定该目标用户响应干预的增益标签，所述增益标签与所述干预倾向分数成线性关系；再基于所述用户集中各个用户的用户特征和增益标签，训练所述增益模型。
-
公开(公告)号：CN118155015A
公开(公告)日：2024-06-07
申请号：CN202410301845.8
申请日：2024-03-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/0475 , G06N3/08 , G06F17/18 , G06Q10/04
Abstract: 本说明书的实施例提供了一种用于提升泛化性的模型训练方法和装置。在该用于提升泛化性的模型训练方法中，利用当前预测模型根据作为当前训练样本集的各个训练样本中的特征数据得到对应的预测结果；基于各个训练样本中的标签数据和对应的预测结果之间的差异确定训练样本预测损失值；再利用当前训练样本集中的各个训练样本所属的领域对应的当前领域重加权权重对各个训练样本预测损失值进行综合，得到当前训练样本集对应的预测损失值，进而确定当前总损失值；在不满足训练结束条件的情况下根据当前总损失值对当前预测模型的参数和当前领域重加权权重进行调整。
-
公开(公告)号：CN113988291B
公开(公告)日：2024-06-04
申请号：CN202111250535.0
申请日：2021-10-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/084 , G06N3/0464 , G06N3/045 , G06Q20/38 , G06Q30/0207 , G06N3/048
Abstract: 本说明书实施例提供一种用户表征网络的训练方法，包括：将无偏样本的用户特征输入经过预训练的第一用户表征网络，得到第一用户表征向量，并且，将有偏样本的用户特征输入第二用户表征网络，得到第二用户表征向量，其中无偏样本和有偏样本分别通过向用户发放由随机策略和非随机策略确定的权益份额而采集；将得到的两个用户表征向量分别输入判别器，得到对应两个判别结果；以最小化目标函数的函数值为目标，训练判别器，该函数值与第一损失和第二损失正相关，第一损失基于无偏样本对应的判别结果和无偏标识而确定，第二损失基于有偏样本对应的判别结果和有偏标识而确定；以最大化目标函数的函数值为目标，对第二用户表征网络进行训练。
-
Patent Agency Ranking
公开(公告)号：CN119089042A
公开(公告)日：2024-12-06
申请号：CN202411140267.0
申请日：2024-08-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/906 , G06F18/24 , G06N3/096 , G06N3/094 , G06N3/0455
Abstract: 本说明书实施例提出一种模型训练方法、推荐数据点击率的预测方法和电子设备，上述模型训练方法中，获取目标域样本数据和所述目标样本数据对应的点击率的标签值之后，首先分别通过学生模型中的第一表征解耦模型和第二表征解耦模型，以及已完成参数调整的老师模型中的域分类器，获得域共享表征向量和域独有表征向量，然后根据域共享表征向量和域独有表征向量，通过学生模型中的点击率预测模型获得目标域样本数据对应的点击率的第一预测值，最后，以最小化学生模型的损失函数为目的，调整点击率预测模型、第一表征解耦模型和第二表征解耦模型的参数，其中，学生模型的损失函数包括目标域样本数据对应的点击率的标签值和第一预测值之间的交叉熵。
-
公开(公告)号：CN111340573A
公开(公告)日：2020-06-26
申请号：CN202010412804.8
申请日：2020-05-15
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了一种分享业务的处理方法及装置，其中，该方法包括：获取分享业务的业务特征信息；基于该业务特征信息生成输入特征信息并输入至训练好的识别模型，得到针对该分享业务的激励方式的识别结果；其中，该识别结果包括：由每个待分享对象与其对应的至少一种返佣方式组合得到的各组合激励方式的业务指标信息；该业务指标信息表征分享方分享待分享对象的激励程度、以及表征被分享方核销待分享对象的激励程度。基于各组合激励方式对应的业务指标信息，确定分配给被分享方的目标分享对象和分享方的目标返佣方式。基于该目标分享对象和目标返佣方式执行相应的分享业务处理。
-
公开(公告)号：CN111310913A
公开(公告)日：2020-06-19
申请号：CN202010060268.X
申请日：2020-01-19
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种数据处理方法、资产分配方法、模型、装置及设备。通过第一模型获取用户特征对应的第一表征向量，通过第二模型获取资产的属性特征对应的第二表征向量，然后根据第一表征向量和第二表征向量预测目标核销率。通过两个模型分别学习用户特征与核销率之间的隐含关系，以及资产的属性特征与核销率之间的隐含关系，再通过两个表征向量确定最终的核销率，在模型中学习特征之间的交互关系，可以避免过拟合的问题，以及模型训练速度慢的问题，并且提高了预测得到的核销率的准确性。
-
公开(公告)号：CN111309614A
公开(公告)日：2020-06-19
申请号：CN202010097674.3
申请日：2020-02-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/36
Abstract: 本说明书实施例公开了一种A/B测试方法、装置及电子设备，其技术方案实质是，确定在A/B测试中的测试版本所分配的测试用户组，从所述测试用户组采集所述测试版本在运行时产生的测试指标数据，将这些测试指标数据与测试指标数据所属用户关联的历史指标数据进行比较，根据比较结果确定所述测试版本的评估指标，以利用所述评估指标评估所述测试版本是否达到预设指标条件。
-
公开(公告)号：CN111309614B
公开(公告)日：2022-10-18
申请号：CN202010097674.3
申请日：2020-02-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/36
Abstract: 本说明书实施例公开了一种A/B测试方法、装置及电子设备，其技术方案实质是，确定在A/B测试中的测试版本所分配的测试用户组，从所述测试用户组采集所述测试版本在运行时产生的测试指标数据，将这些测试指标数据与测试指标数据所属用户关联的历史指标数据进行比较，根据比较结果确定所述测试版本的评估指标，以利用所述评估指标评估所述测试版本是否达到预设指标条件。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.032 seconds)
