公开(公告)号：CN115526111A

公开(公告)日：2022-12-27

申请号：CN202211257444.4

申请日：2022-10-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 吕世伟

IPC: G06F30/27 ,  G06F16/9535 ,  G06F119/02

Abstract: 本说明书实施例公开了一种针对用户的候选项展示方法、装置以及设备。方案包括：为指定用户生成用户特征嵌入向量，为指定候选项生成候选项特征嵌入向量；将用户特征嵌入向量和候选项特征嵌入向量进行编码处理，得到编码结果向量；将编码结果向量，输入第一分类器进行解码处理，预测得到指定用户将执行点击动作的倾向程度；将编码结果向量，输入与指定候选项对应的第二分类器进行解码处理，预测得到指定用户对指定候选项的偏好程度；根据倾向程度和偏好程度，确定指定用户对候选项特征的点击概率；根据点击概率，确定要向指定用户展示的候选项。

公开(公告)号：CN118152544A

公开(公告)日：2024-06-07

申请号：CN202410565103.6

申请日：2024-05-08

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 吕世伟

IPC: G06F16/332 ,  G06F16/335 ,  G16H50/70

Abstract: 本说明书一个或多个实施例提供一种基于智能体的医疗问答方法、系统和电子设备，其中方法包括：接收用户的医疗咨询问题；识别医疗咨询问题对应的咨询意图，并根据识别得到的咨询意图，获取与意图关联的问答智能体；从医疗咨询问题中，提取问答智能体所需的关键信息；获取用户对应的用户标识，并根据用户标识获取用户对应的历史对话信息；所述历史对话信息包括用户标识对应的用户的个人健康数据，并且历史对话信息是问答智能体在与用户的历史问答交互过程中获得并存储；将所述关键信息和历史对话信息输入所述问答智能体，得到所述问答智能体输出的针对所述医疗咨询问题的问题答案；基于所述问题答案，通过对话模型生成用于反馈用户的回复。

公开(公告)号：CN118116620A

公开(公告)日：2024-05-31

申请号：CN202410520623.5

申请日：2024-04-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 吕世伟

IPC: G16H80/00 ,  G16H50/70 ,  G06F16/36 ,  G06F16/332 ,  G06N5/022 ,  G06N5/04 ,  G06N20/00

Abstract: 本说明书一个或多个实施例提供一种医疗问答方法、装置和电子设备，其中方法包括：接收用户的医疗咨询问题；从所述医疗咨询问题中，抽取关键医疗信息；基于所述关键医疗信息，从医疗知识图谱中搜索相关的医疗知识；根据所述医疗咨询问题，对从医疗知识图谱中搜索得到的医疗知识进行筛选处理，得到筛选后剩余的医疗知识；将所述筛选后剩余的医疗知识和所述医疗咨询问题，输入对话模型，得到所述对话模型生成的针对所述医疗咨询问题的问题答复。

公开(公告)号：CN115841068A

公开(公告)日：2023-03-24

申请号：CN202211257443.X

申请日：2022-10-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵耀 ,  吕世伟

IPC: G06F30/27 ,  G06F18/214 ,  G06F119/02

Abstract: 本说明书实施例公开了一种针对用户的干预执行方法、装置以及设备。方案包括：获取包含第一模型和第二模型的基础模型，所述第一模型用于预测对用户进行干预的情况下的转化率，所述第二模型用于预测未对用户进行干预的情况下的转化率；获取用户训练样本集合，并对所述用户训练样本集合中的各样本进行聚类，得到多个样本包；分别确定各所述样本包整体的期望干预增量和预测干预增量；根据所述期望干预增量和预测干预增量之间的一致性程度，为所述基础模型生成辅助损失；根据所述辅助损失，对所述基础模型进行训练；利用训练后的所述基础模型，对目标用户进行预测，并根据所述预测的结果，确定是否对所述目标用户进行干预。

公开(公告)号：CN118133971A

公开(公告)日：2024-06-04

申请号：CN202410552577.7

申请日：2024-05-06

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 吕世伟

IPC: G06N5/04 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0464 ,  G06F16/332

Abstract: 本申请一个或多个实施例提供一种基于大语言模型的医疗问答方法和装置，该方法包括：获取用户输入的查询文本，并针对查询文本进行特征提取，得到与查询文本对应的特征向量；获取针对外部知识库中的各条文本记录进行特征提取，得到的与各条文本记录对应的特征向量；计算与各条文本记录对应的特征向量和与查询文本对应的特征向量之间的向量相似度，并基于向量相似度，从外部知识库包含的文本记录中抽取与查询文本相关的至少一条第一类文本记录；将查询文本和至少一条第一类文本记录输入第一大语言模型，由第一大语言模型基于查询文本和至少一条第一类文本记录进行推理以生成答案文本，并将答案文本向该用户进行输出。