公开(公告)号：CN118798953A

公开(公告)日：2024-10-18

申请号：CN202410798704.1

申请日：2024-06-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 蒋佳弟 ,  岳赟 ,  高宁 ,  叶至灵 ,  张科

IPC: G06Q30/0202 ,  G06Q30/0201 ,  G06F18/214 ,  G06N20/00

Abstract: 本说明书实施例提供一种训练用户行为预测模型的方法及装置，在训练方法中，获取流式产生的样本集，其中的任一样本包括样本特征、第一标签和第二标签。将各个样本的样本特征输入用户行为预测模型，得到对应用户是否作出特定行为的预测结果。根据各个样本的预测结果和第一标签值，确定对应的各预测损失。根据各个样本的第一标签值和第二标签值，确定各个样本所属的指示延迟状态的样本类别，并基于该样本类别，确定各个样本的权重值。基于各个样本的权重值，对各个样本对应的各预测损失进行加权综合，并基于得到的综合损失调整用户行为预测模型的参数。

公开(公告)号：CN119783767A

公开(公告)日：2025-04-08

申请号：CN202411775751.0

申请日：2024-12-04

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 程嘉梁 ,  高宁 ,  岳赟 ,  叶至灵 ,  蒋佳弟 ,  沙剑

IPC: G06N3/098 ,  G06N3/084 ,  G06F9/50 ,  H04L67/1001 ,  H04L67/1095

Abstract: 一种基于分布式系统的模型训练方法、计算节点和系统，所述分布式系统包括n组计算节点，每组计算节点包括m个计算节点，每组中的m个计算节点与目标模型包括的m个参数集合分别对应，所述方法包括：每组中的m个计算节点联合进行多次训练，使得每组中的各个计算节点得到其对应的参数集合中各个参数的第一值；所述n组中与第一参数对应的n个第一计算节点基于所述第一参数的n个第一值，确定与所述第一参数对应的第二值；所述n个第一计算节点分别将所述第一参数的值同步为所述第二值。

公开(公告)号：CN116258215A

公开(公告)日：2023-06-13

申请号：CN202310244713.1

申请日：2023-03-08

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 章海涛 ,  蔡伦 ,  师军 ,  沙剑 ,  高宁

IPC: G06N20/00 ,  G06F9/50

Abstract: 本说明书的实施例提供了一种用于优化模型训练的方法和装置。在该用于优化模型训练的方法中，根据所获取的待优化模型训练作业的模型特征和硬件资源需求信息生成至少一个候选优化策略，并通过对各个候选优化策略基于可行性和训练性能指标进行评估，从而确定目标优化策略，再根据所确定的目标优化策略进行模型训练。

公开(公告)号：CN116882478A

公开(公告)日：2023-10-13

申请号：CN202310882168.9

申请日：2023-07-18

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 岳赟 ,  蒋佳弟 ,  叶至灵 ,  高宁 ,  刘永超 ,  张科 ,  娄寅

IPC: G06N3/084 ,  G06N3/0464 ,  G06V10/82 ,  G06V40/16 ,  G06V30/19 ,  G10L15/22 ,  G10L15/06 ,  G10L15/16

Abstract: 本说明书实施例披露一种图像处理模型的训练方法及装置，一种预测模型的训练方法及装置。其中图像处理模型的训练方法涉及的任一轮次迭代训练包括：先利用当前批次图像样本，确定图像处理模型在其当前的第一模型参数处的第一训练梯度；再基于该第一训练梯度，确定以第一模型参数为中心点且具有预设半径的邻域内，使得当前训练损失发生最大变化的参数变化量；接着，确定图像处理模型在第二模型参数处的第二训练梯度，该第二模型参数基于该第一模型参数偏移该参数变化量而得到；然后，对第一训练梯度，以及第二训练梯度减去该第一训练梯度的梯度差值进行加权求和，得到第三训练梯度；基于预设学习率和该第三训练梯度，更新该第一模型参数。