-
公开(公告)号：CN118096068A
公开(公告)日：2024-05-28
申请号：CN202410221253.5
申请日：2024-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/10
Abstract: 本说明书实施例公开了移动端RPA流程处理方法、系统、电子设备、存储介质。其中，移动端RPA流程处理方法中包括基于预设模式，向RPA任务管理平台发布移动端RPA任务；然后通过RPA任务管理平台匹配出用于执行移动端RPA任务的移动终端；再通过移动终端执行移动端RPA任务，本说明书实施例实现移动端RPA流程处理智能化的同时提升了移动端RPA任务执行效率。
-
公开(公告)号：CN111400479B
公开(公告)日：2023-05-23
申请号：CN202010288411.0
申请日：2020-04-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/36 , G06N3/04 , G06N3/092
Abstract: 本说明书实施例提供一种针对多轮对话的问题识别方法和装置，方法基于预先建立的知识图谱进行问题识别，知识图谱包括多个类型的节点，节点之间通过对应类型的连接边进行连接，方法包括：获取当前多轮对话的当前用户文本；通过要素预测模型输出当前用户文本中包括的第一业务要素和/或第一诉求要素；确定知识图谱中对应于当前用户文本的第一文本节点，对应于第一业务要素的第一业务节点和/或对应于第一诉求要素的第一诉求节点；在知识图谱中，以第一文本节点作为初始的当前节点，搜索下一跳节点，直到搜索到标准问句节点，返回对应的标准问句，作为当前用户文本的问题识别结果。能够使得针对多轮对话的问题识别结果具有可解释性。
-
公开(公告)号：CN111680148A
公开(公告)日：2020-09-18
申请号：CN202010819216.6
申请日：2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06F40/279 , G06F40/216 , G06Q30/00 , G06N20/00
Abstract: 本说明书实施例提供一种针对用户问句进行智能应答的方法和装置，方法包括：获取当前多轮对话中的用户问句；将所述用户问句输入预先训练的模糊分类模型，通过所述模糊分类模型输出目标类别；所述目标类别选自第一类别和第二类别，所述第一类别表明所述用户问句描述清晰，所述第二类别表明所述用户问句描述模糊；当所述目标类别为所述第一类别时，识别所述用户问句对应的第一标准问句，并根据所述第一标准问句确定针对所述用户问句的第一应答语句；当所述目标类别为所述第二类别时，识别所述用户问句包含的第一要素，并根据所述第一要素确定针对所述用户问句的第二应答语句。在针对用户问句进行智能应答时，能够灵活应对，提升用户体验。
-
公开(公告)号：CN117557940A
公开(公告)日：2024-02-13
申请号：CN202311553021.1
申请日：2023-11-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V20/40 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本说明书的实施例提供了一种视频文本特征提取模型的训练方法、文本视频匹配方法和装置。在该视频文本特征提取模型的训练方法中，利用当前视频文本特征提取模型提取与当前训练样本集中的各个视频文本对的视频数据和文本数据分别对应的视频特征和文本特征，视频数据包括从长视频中采样得到的视频片段；根据所得到的各个视频特征和文本特征之间的相似度，生成与当前训练样本集对应的原生相似度矩阵；再基于原生相似度矩阵对视频数据与文本数据进行对齐，得到用于指示视频数据与文本数据之间的潜在对齐关系的关系校正矩阵；根据原生相似度矩阵和对应的关系校正矩阵确定当前训练样本集对应的对比损失值，进而据此调整当前视频文本特征提取模型的参数。
-
公开(公告)号：CN111310847B
公开(公告)日：2023-06-23
申请号：CN202010130636.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F40/211 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例提供一种训练要素分类模型的方法和装置，要素分类模型用于针对句子进行要素识别，方法包括：将第一句子输入待训练的要素分类模型，通过所述要素分类模型输出第一要素；将所述第一要素输入待训练的标问生成模型，通过所述标问生成模型输出第二句子；其中，所述要素分类模型和所述标问生成模型互为对偶模型；以所述第一句子和所述第二句子之间的差异最小化为目标，基于对偶学习的方式训练所述要素分类模型和所述标问生成模型。能够在标注数据量不足的情况下训练要素分类模型，并提高要素识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN115730805A
公开(公告)日：2023-03-03
申请号：CN202211542788.X
申请日：2022-12-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0631 , G06Q10/0639 , G06F17/10
Abstract: 本说明书实施例提出了一种呼叫中心的人力测算方法、装置和电子设备，其中，上述呼叫中心的人力测算方法中，获取呼叫中心的历史数据之后，获取预测获得的待预测时段的流入量和平均处理时长，以及获取预先设定的目标服务水平，然后根据上述历史数据、上述目标服务水平、预先训练获得的模型参数以及待预测时段的流入量和平均处理时长，确定上述呼叫中心在待预测时段的应部署人力和应承接人力，从而可以实现在预定的目标服务水平下，测算呼叫中心在待预测时段的应部署人力和应承接人力。
-
公开(公告)号：CN111738781A
公开(公告)日：2020-10-02
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N-1个时间段对应的N-1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N-1个状态向量以及N-1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
公开(公告)号：CN117216229A
公开(公告)日：2023-12-12
申请号：CN202311476763.9
申请日：2023-11-08
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张杰
IPC: G06F16/332 , G06F16/33 , G06F40/186 , G06F40/194 , G06F40/279 , G06Q30/01
Abstract: 本说明书实施例涉及一种生成客服答案的方法及装置，所述方法包括：获取用户提出的问题文本以及该用户的用户画像特征，根据所述问题文本和用户画像特征，确定对话大模型的提示文本，所述提示文本指示回答问题时期望的情感和/或个性的风格类型，然后将所述问题文本输入到问答模型中，得到对应的第一答案文本，接下来将所述提示文本和第一答案文本输入到对话大模型中，使得所述对话大模型按照所述风格类型将所述第一答案文本转换为第二答案文本。
-
公开(公告)号：CN111680148B
公开(公告)日：2020-12-01
申请号：CN202010819216.6
申请日：2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06F40/279 , G06F40/216 , G06Q30/00 , G06N20/00
Abstract: 本说明书实施例提供一种针对用户问句进行智能应答的方法和装置，方法包括：获取当前多轮对话中的用户问句；将所述用户问句输入预先训练的模糊分类模型，通过所述模糊分类模型输出目标类别；所述目标类别选自第一类别和第二类别，所述第一类别表明所述用户问句描述清晰，所述第二类别表明所述用户问句描述模糊；当所述目标类别为所述第一类别时，识别所述用户问句对应的第一标准问句，并根据所述第一标准问句确定针对所述用户问句的第一应答语句；当所述目标类别为所述第二类别时，识别所述用户问句包含的第一要素，并根据所述第一要素确定针对所述用户问句的第二应答语句。在针对用户问句进行智能应答时，能够灵活应对，提升用户体验。
-
公开(公告)号：CN111310847A
公开(公告)日：2020-06-19
申请号：CN202010130636.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种训练要素分类模型的方法和装置，要素分类模型用于针对句子进行要素识别，方法包括：将第一句子输入待训练的要素分类模型，通过所述要素分类模型输出第一要素；将所述第一要素输入待训练的标问生成模型，通过所述标问生成模型输出第二句子；其中，所述要素分类模型和所述标问生成模型互为对偶模型；以所述第一句子和所述第二句子之间的差异最小化为目标，基于对偶学习的方式训练所述要素分类模型和所述标问生成模型。能够在标注数据量不足的情况下训练要素分类模型，并提高要素识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.049 seconds)
