-
公开(公告)号：CN118152664A
公开(公告)日：2024-06-07
申请号：CN202410417336.1
申请日：2024-04-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0207 , G06F18/25 , G06F18/22 , G06F18/24 , G06N3/08 , G06N3/04
Abstract: 本说明书实施例提供一种权益推送模型的数据预处理方法及装置，以及确定权益推送策略的方法及装置，通过用户塔网络和权益塔网络的双塔网络模型，一方面，在用户塔网络中按照根据预定推送偏好信息划分的用户类别设置处理单元，另一方面，在权益塔网络中，按照权益类别设置处理单元，最终将用户塔网络得到的用户表征向量和权益塔网络得到的权益表征向量进行匹配，以实现在预定人工策略下向用户的无偏权益推送策略确定，从而提高包含预定策略的干扰因子的情况下的权益推送准确度。
-
公开(公告)号：CN111523649A
公开(公告)日：2020-08-11
申请号：CN202010384217.2
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本发明涉及针对业务模型进行数据预处理的方法及装置。本说明书实施例提供一种新型的用于处理分类业务的业务模型，该业务模型通过多个深度网络实现，在多个深度网络中，通过引入描述不同特征值的特征表达向量，以及与各个分类类别分别对应的各个层标签向量，可以在每一个深度网络中，都充分考虑各个业务特征对于相应分类类别的重要度。在利用业务模型进行目标类别确定时，可以针对每个分类类别确定其作为待处理的业务数据的目标类别的可能性，从而提高业务模型的准确度，并且由于在各个深度网络中确定了相应业务特征的重要度系数，使得业务模型的业务处理结果具有可追溯性，提高使用体验。
-
公开(公告)号：CN111339432A
公开(公告)日：2020-06-26
申请号：CN202010411098.5
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/02
Abstract: 本说明书提出了一种电子对象的推荐方法、装置和电子设备，其中，所述电子对象的推荐方法包括：获取已为第一用户推荐的多个电子对象的特征，根据所述多个电子对象的特征生成特征序列；根据所述特征序列确定第一用户对电子对象特定要素的偏好值，之后根据所述第一用户的用户特征和所述第一用户对电子对象特定要素的偏好值，从候选电子对象中确定向第一用户推荐的电子对象。基于本说明书的电子对象推荐方案能够提高电子对象推荐的匹配度。
-
公开(公告)号：CN111222722A
公开(公告)日：2020-06-02
申请号：CN202010329614.X
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对业务对象进行业务预测的方法和神经网络模型。在该方法中，首先获取业务对象对应的初始特征矩阵，其中包括对应于该业务对象的N项特征的N个原始向量。然后，对初始特征矩阵进行多级处理,每级处理包括，对于本级待处理的第i特征向量，对初始特征矩阵中对应的第i原始向量和各个本级特征向量分别进行线性变换，得到第i变换向量和各个本级变换向量；根据该第i变换向量和各个本级变换向量之间的各个相关度，对其融合结果进行加权组合，由此确定该第i特征向量的下一级特征向量。根据最后一级处理得到的矩阵，得到该业务对象对应的表征向量，根据该表征向量，对业务对象进行业务预测。
-
公开(公告)号：CN118427615A
公开(公告)日：2024-08-02
申请号：CN202410526264.4
申请日：2024-04-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2431 , G06F16/9536 , G06F16/9537 , G06Q30/0251 , G06Q30/0601 , H04L67/306 , H04L67/55
Abstract: 本说明书实施例提供一种预测模型的训练方法及装置。该训练方法包括：首先，获取若干真实样本，其中各个真实样本的特征包括用户和对象的真实组合，对应的真实标签指示该真实组合中用户与对象的真实交互；接着，构造若干虚构样本，其中各个虚构样本的特征包括用户和对象的假定组合，对应的伪标签指示该假定组合中用户与对象的预期交互；其中至少一部分虚构样本的伪标签基于预定规则而确定，所述预定规则符合交互概率与用户或对象特征之间的单调性知识；然后，利用所述若干真实样本和若干虚构样本，更新当前预测模型。
-
Patent Agency Ranking
公开(公告)号：CN117520961A
公开(公告)日：2024-02-06
申请号：CN202311498067.8
申请日：2023-11-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/243 , G06F18/213 , G06F18/25
Abstract: 本说明书实施例提供用于干预效应评估的树模型构建、干预效应评估方法、装置及系统。在树模型构建时，获取包括试验对象样本数据和观测对象样本数据的对象样本数据集，并且使用对象样本数据集来基于节点分裂构建效应评估树模型，在每次节点分裂时，以分裂损失值最小化为目标确定当前节点的目标节点分裂条件，当前节点的分裂损失值包括各个子节点处的经过数据融合后的无偏分裂损失值，各个子节点处的经过数据融合后的无偏分裂损失值根据试验对象样本数据所产生的无偏干预效应评估结果和数据融合因子确定，数据融合因子用于反映在与观测对象样本数据融合后所产生的试验对象样本数据的无偏干预效应评估结果在无偏分裂损失值确定时的缩放度。
-
公开(公告)号：CN111445282B
公开(公告)日：2023-02-10
申请号：CN202010203021.9
申请日：2020-03-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06F16/9535
Abstract: 本说明书一个或多个实施例提供了一种基于用户行为的业务处理方法、装置及设备，在基于用户行为的业务处理方法中，分别对第一用户行为特征向量和第一广告特征向量进行压缩后，将得到的第二用户行为特征向量以及第二广告特征向量进行特征交叉，得到注意力机制参数，再将该注意力机制参数与第一用户行为特征向量进行特征交叉，得到用户行为的向量表示，从而可根据用户的行为充分学习到用户对每个广告的差别，有助于更好的挖掘用户的兴趣的多样性。
-
公开(公告)号：CN110990164B
公开(公告)日：2022-05-24
申请号：CN201911089114.7
申请日：2019-11-08
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种账户检测方法和装置、账户检测模型的训练方法和装置，通过第一训练RPC序列预先训练无监督学习模型的模型参数，再将该模型参数作为初始模型参数来训练账户检测模型，最后由该账户检测模型来进行账户安全性预测。用于无监督学习模型训练过程的RPC序列中的每个RPC单元之间是有关联性的，因此，将无监督训练得到的模型参数作为初值应用到账户检测模型的训练过程中，所训练出的账户检测模型所以在账户安全性预测过程中获得更高的准确性。
-
公开(公告)号：CN111445282A
公开(公告)日：2020-07-24
申请号：CN202010203021.9
申请日：2020-03-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06F16/9535
Abstract: 本说明书一个或多个实施例提供了一种基于用户行为的业务处理方法、装置及设备，在基于用户行为的业务处理方法中，分别对第一用户行为特征向量和第一广告特征向量进行压缩后，将得到的第二用户行为特征向量以及第二广告特征向量进行特征交叉，得到注意力机制参数，再将该注意力机制参数与第一用户行为特征向量进行特征交叉，得到用户行为的向量表示，从而可根据用户的行为充分学习到用户对每个广告的差别，有助于更好的挖掘用户的兴趣的多样性。
-
公开(公告)号：CN111325614A
公开(公告)日：2020-06-23
申请号：CN202010409708.8
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出了一种电子对象的推荐方法、装置和电子设备，其中所述电子对象推荐方法，包括：获取已为第一用户推荐的多个电子对象的特征，根据所述多个电子对象的特征生成特征序列；获取候选电子对象特征，确定所述候选电子对象特征与所述特征序列包含的各特征之间的相关值；根据所述第一用户的用户特征和所述相关值，从候选电子对象中确定向第一用户推荐的电子对象，通过本说明书实施例方案能够提高电子对象推荐的匹配度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.038 seconds)
