公开(公告)号：CN119990114A

公开(公告)日：2025-05-13

申请号：CN202510097239.3

申请日：2025-01-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李奕 ,  王景 ,  张凯 ,  宋金生

IPC: G06F40/279 ,  G06F40/30 ,  G06Q30/015 ,  G06F16/34

Abstract: 本说明书实施例提供了基于大语言模型的数据处理方法及装置，其中，一种基于大语言模型的数据处理方法包括：在用户访问资源服务并与服务方进行交互过程中，获取服务方向的标准服务文案，并将标准服务文案分别写入文案处理模板和对象识别模板获得文案处理文本和对象识别文本，进一步，将文案处理文本和对象识别文本分别输入大语言模型进行处理获得结构化数据和资源对象，最后向用户终端发送结构化数据和资源对象的对象数据，用户终端对结构化数据和对象数据进行富文本标签转换并进行富文本展示，以此在用户终端对服务方的交互内容进行富文本形式的可视化展示。

公开(公告)号：CN111340605A

公开(公告)日：2020-06-26

申请号：CN202010443445.2

申请日：2020-05-22

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张凯 ,  周俊 ,  崔卿 ,  李龙飞

IPC: G06Q30/06 ,  G06Q30/02 ,  G06F40/30 ,  G06N3/04

Abstract: 本说明书实施例提供一种训练用户行为预测模型、用户行为预测的方法和装置。方法包括：获取第一样本，包括，基于样本用户和样本对象的属性特征形成的第一属性特征，基于样本用户的评论文本形成的第一文本特征，和基于针对样本对象的评论文本形成的第二文本特征，且第一样本具有第一标签和第二标签，第一标签示出，样本用户是否针对样本对象执行预定用户行为，第二标签示出，样本用户对样本对象的评分；将第一属性特征、第一文本特征和第二文本特征输入待训练的用户行为预测模型，输出第一预测结果和第二预测结果；根据第一预测结果和第一标签，第二预测结果和第二标签，更新用户行为预测模型。能够提高用户行为预测的准确率。

公开(公告)号：CN111046294A

公开(公告)日：2020-04-21

申请号：CN201911377019.7

申请日：2019-12-27

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张凯 ,  向彪 ,  周俊

IPC: G06F16/9535

Abstract: 本说明书实施例提供一种点击率预测方法、推荐方法、装置、模型及设备。在获取目标用户的用户特征以及待推荐对象的属性特征等原始特征后，将用户特征和待推荐对象的属性特征输入到预先训练的点击率预测模型，点击率预测模型可以将用户特征和属性特征进行组合，得到组合特征，并确定各组合特征对应的权重，然后基于原始特征、组合特征以及组合特征的权重预测目标用户点击待推荐对象的概率。通过这种方式，使得点击率的预测更具解释性，同时充分考虑了组合特征对点击率的影响，使得预测结果更加准确。

公开(公告)号：CN116149935A

公开(公告)日：2023-05-23

申请号：CN202211626327.0

申请日：2022-12-16

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张凯

IPC: G06F11/30 ,  G06F11/32 ,  G06F9/50

Abstract: 本说明书公开了一种异常检测方法、装置、存储介质及电子设备，本说明书实施例中在获取到异常检测请求之后，基于异常检测请求中的进程数，在系统中创建进程数的父进程，并在至少一个父进程下创建处于睡眠状态的子进程，以使父进程均处于等待状态，其中，进程数是基于该系统的CPU的平均负载阈值所确定的。在创建进程后，判断该系统是否触发异常告警，根据判断结果，对该系统进行异常检测。在此方法中，通过创建处于等待状态的多个父进程，使系统的CPU平均负载达到CPU平均负载阈值来验证系统的异常告警机制是否出现故障。

公开(公告)号：CN111340605B

公开(公告)日：2020-11-24

申请号：CN202010443445.2

申请日：2020-05-22

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张凯 ,  周俊 ,  崔卿 ,  李龙飞

IPC: G06F16/33 ,  G06Q30/06 ,  G06Q30/02 ,  G06F40/30 ,  G06N3/04

Abstract: 本说明书实施例提供一种训练用户行为预测模型、用户行为预测的方法和装置。方法包括：获取第一样本，包括，基于样本用户和样本对象的属性特征形成的第一属性特征，基于样本用户的评论文本形成的第一文本特征，和基于针对样本对象的评论文本形成的第二文本特征，且第一样本具有第一标签和第二标签，第一标签示出，样本用户是否针对样本对象执行预定用户行为，第二标签示出，样本用户对样本对象的评分；将第一属性特征、第一文本特征和第二文本特征输入待训练的用户行为预测模型，输出第一预测结果和第二预测结果；根据第一预测结果和第一标签，第二预测结果和第二标签，更新用户行为预测模型。能够提高用户行为预测的准确率。