公开(公告)号：CN119166897A

公开(公告)日：2024-12-20

申请号：CN202411229706.5

申请日：2024-09-02

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 唐作立 ,  郇兆鑫 ,  李自豪 ,  胡诗睿 ,  张晓露 ,  周俊 ,  邹立新 ,  李晨亮

IPC: G06F16/9535 ,  G06N3/0455 ,  G06N3/045 ,  G06N3/09 ,  G06F40/186 ,  G06F17/18

Abstract: 本说明书实施例提供了一种推荐系统的训练方法，在包含了排序模型与推荐模型的推荐系统中，排序模型的输出能够准确体现用户的偏好，对各个样本对象进行准确的偏好度排序。再以排序模型输出的排序信息作为监督信号训练推荐模型，在排序模型与推荐模型之间实现偏好对齐，减小、消除推荐模型中的流行度偏差。如此，提升推荐系统的推荐性能，可以为用户提供更加优质，准确的个性化推荐内容。

公开(公告)号：CN115269992A

公开(公告)日：2022-11-01

申请号：CN202210949838.X

申请日：2022-08-09

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 朱芮 ,  赵一鸣 ,  胡志 ,  丁旭褚 ,  曲伟 ,  李晨亮

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本说明书实施例提供了一种搜索推荐方法和系统，方法包括：基于查询语句、用户的目标用户特征和第一领域的物品的物品特征，通过搜索推荐模型确定所述物品对应的选择概率，所述选择概率反映所述查询语句下将所述物品反馈给所述用户的概率；所述目标用户特征包括所述用户的第一行为数据和第二行为数据，所述第一行为数据为所述用户在所述第一领域的行为数据，所述第二行为数据为所述用户在第二领域的行为数据，所述第二领域为作为所述第一领域的参考的其它领域；所述搜索推荐模型进行的处理包括：基于所述第一行为数据和所述第二行为数据得到所述用户的目标用户表示，所述目标用户表示用于确定所述物品对应的所述选择概率。

公开(公告)号：CN114970882A

公开(公告)日：2022-08-30

申请号：CN202210544768.X

申请日：2022-05-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 胡志 ,  邹鑫雨 ,  赵一鸣 ,  丁旭褚 ,  李晨亮

IPC: G06N20/00 ,  G06Q30/06

Abstract: 本说明书实施例公开了一种适于多场景多任务的模型预测方法及模型系统。模型系统包括输入层、场景层、任务层和输出层。获取特征数据、场景标识以及任务标识后，通过场景层处理所述特征数据以及所述场景标识，以从场景层的多个专家模块中选择一个或多个场景专有专家模块以及一个或多个场景共享专家模块分别处理所述特征数据，得到场景层预测结果。通过任务层处理所述场景层预测结果以及所述任务标识，以从任务层中的多个专家模块中选择一个或多个任务专有专家模块以及一个或多个任务共享专家模块分别处理所述场景层预测结果，得到任务层预测结果。通过输出层处理所述任务层预测结果，得到模型预测结果。

公开(公告)号：CN114970882B

公开(公告)日：2025-01-21

申请号：CN202210544768.X

申请日：2022-05-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 胡志 ,  邹鑫雨 ,  赵一鸣 ,  丁旭褚 ,  李晨亮

IPC: G06N20/00 ,  G06Q30/0601

Abstract: 本说明书实施例公开了一种适于多场景多任务的模型预测方法及模型系统。模型系统包括输入层、场景层、任务层和输出层。获取特征数据、场景标识以及任务标识后，通过场景层处理所述特征数据以及所述场景标识，以从场景层的多个专家模块中选择一个或多个场景专有专家模块以及一个或多个场景共享专家模块分别处理所述特征数据，得到场景层预测结果。通过任务层处理所述场景层预测结果以及所述任务标识，以从任务层中的多个专家模块中选择一个或多个任务专有专家模块以及一个或多个任务共享专家模块分别处理所述场景层预测结果，得到任务层预测结果。通过输出层处理所述任务层预测结果，得到模型预测结果。