-
公开(公告)号:CN119441633A
公开(公告)日:2025-02-14
申请号:CN202411471069.2
申请日:2024-10-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9536 , G06F18/25
Abstract: 本说明书提供了一种跨域推荐方法及相关设备。该方法包括:获取多个领域的数据集;其中,各个领域的数据集中包含与该领域中的多个实体相关的数据;所述多个实体中包含目标实体;基于所述多个领域的数据集,针对所述目标实体分别进行特征提取,得到与所述多个领域对应的多个目标实体特征;根据所述多个领域的数据集中包含的实体的数据密度,确定所述多个领域相对于所述多个领域中的任一目标领域的权重;基于所述多个领域的权重,对所述多个目标实体特征进行加权融合,并基于加权融合后的目标实体特征,在所述目标领域中执行与所述目标实体相关的推荐任务。
-
公开(公告)号:CN118822711A
公开(公告)日:2024-10-22
申请号:CN202410797777.9
申请日:2024-06-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/03 , G06N3/045 , G06N3/0985 , G06N3/096
Abstract: 本说明书实施例提供一种用于多机构的风险预测模型的训练、预测方法和装置。训练方法包括:分布式系统内的任一工作节点获取目标机构对应的一批样本构成的目标样本集,样本包括目标机构的样本用户的用户特征和样本用户的风险标签;在第一阶段,根据目标样本集,与其他工作节点联合确定多个机构对应的多个风险预测模型的元基础参数;多个风险预测模型具有共享的特征表示网络,任一风险预测模型具有对应机构专用的预测网络;在第二阶段,根据目标样本集,在元基础参数的基础上,调整目标机构的目标风险预测模型中预测网络的专属参数。
-
公开(公告)号:CN116362796A
公开(公告)日:2023-06-30
申请号:CN202310336585.3
申请日:2023-03-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0202 , G06Q30/0601 , G06F16/9535 , G06F16/9537 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本说明书实施例提供了一种用于预测转化率的点击转化模型训练方法和系统,其中,点击转化模型包括点击模型和转化模型,该方法包括:获取训练样本;其中,训练样本包括样本用户的特征和样本对象的特征,以及与样本对象对应的标签;通过点击模型对样本用户的特征和样本对象的特征进行处理,获取点击模型的输出;通过转化模型对来自点击模型的数据、样本用户的特征和样本对象的特征进行处理,获取转化模型的输出;基于点击模型的输出和转化模型的输出构建损失函数,根据损失函数的值对点击转化模型的参数进行调整,以减小模型输出与对应的标签之间的差异。
-
公开(公告)号:CN115861681A
公开(公告)日:2023-03-28
申请号:CN202211422452.X
申请日:2022-11-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09
Abstract: 本说明书实施例公开了一种模型的元学习方法、装置以及设备。方案包括通过获取包含M个样本的集合;针对第i个样本Si,生成对应于所述训练样本的嵌入向量φi和中间特征图ηi;根据所产生的M个嵌入向量的平均值τc生成维度注意力图Md,和,根据所产生的M个中间特征图的平均值τη生成区域注意力图Mr;融合所述嵌入向量φi和维度注意力图Md生成维度特征向量φi’,以及,融合所述第i个样本的中间特征图ηi和所述区域注意力图Mr生成区域特征图ηi’;根据所述维度特征向量φi’和所述区域特征图ηi’进行训练。从而实现在元学习中,通过从维度和区域这两个不同的角度上来精确定位任务所需要的特征,减少无关特征的干扰。
-
公开(公告)号:CN116401454A
公开(公告)日:2023-07-07
申请号:CN202310356647.7
申请日:2023-03-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F16/9537 , G06N20/00
Abstract: 本说明书实施例提供交互转化率预测、预测模型训练、对象推荐方法及装置。在进行模型训练时,根据事实未交互空间对象样本集构建反事实未交互空间对象样本集,反事实交互空间样本集中的对象样本与事实未交互空间样本集中的对应对象样本的样本特征相同并且转化率标签互为取反;以及使用事实空间对象样本集,对交互转化率预测模型执行基于多任务的模型训练。所述多任务包括交互率预测任务、交互后转化率预测任务和交互转化率预测任务。交互后转化率预测任务包括事实交互后转化率预测任务和反事实交互后转化率预测任务,以及交互率预测任务和事实交互后转化率预测任务的预测结果被使用来执行交互转化率预测任务。
-
-
-
-