公开(公告)号：CN118427594A

公开(公告)日：2024-08-02

申请号：CN202410812587.X

申请日：2024-06-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张雷 ,  薛思乔 ,  何建杉 ,  周仁丹

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  G06F16/35 ,  G06N3/042 ,  G06N3/08

Abstract: 本说明书公开一种基于大语言模型的业务处理方法、装置及存储介质，包括：基于图表示学习方式对第一图关系数据进行特征提取，得到第一用户特征；第一图关系数据中的节点用于表征目标业务的用户，并包含有节点对应用户的用户信息。基于目标大语言模型对目标业务下样本用户与客服之间的第一沟通数据进行特征提取，得到第二用户特征。基于第一用户特征与第二用户特征之间的损失，对目标大语言模型的模型参数进行调整，以训练用户特征提取能力。基于目标大语言模型，对目标业务下目标用户与客服之间的第二沟通数据进行特征提取，得到第三用户特征；以及，基于目标大语言模型对第三用户特征进行业务预测，以执行与业务预测结果相匹配的业务处理决策。

公开(公告)号：CN117764038A

公开(公告)日：2024-03-26

申请号：CN202311751326.3

申请日：2023-12-18

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张雷 ,  林谢雄 ,  何建杉 ,  褚崴

IPC: G06F40/166 ,  G06F16/35 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本说明书实施例提供一种训练迁移模型的方法，进行文本风格迁移的方法和对应装置。其中迁移模型包括，编码解耦网络，重组网络和解码器。训练过程包括：将第一文本输入编码解耦网络，得到与内容相关的内容表征，以及与风格相关的第一风格表征；其中第一文本具有风格标签。通过重组网络，分别施加风格标签对应的正向风格向量和与之相反的反向风格向量，得到第二风格表征和第三风格表征。然后，将第二风格表征和第三风格表征分别与内容表征组合后进行解码，得到第二文本和第三文本。通过分类器得到第三文本的风格类别的预测结果。从而通过预测损失，更新迁移模型，预测损失包括，第一文本和第二文本之间的重构损失，以及第三文本的分类损失。

公开(公告)号：CN117520898A

公开(公告)日：2024-02-06

申请号：CN202311548634.6

申请日：2023-11-20

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王经纬 ,  何建杉 ,  徐威迪 ,  张雷 ,  周虹廷

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/09

Abstract: 本说明书的实施例提供了一种用于识别敏感样本的方法、模型训练方法和装置。在该用于识别敏感样本的方法中，获取待识别的样本数据集，其中，所述样本数据集中的各个样本数据包括特征数据；先利用样本分组模型根据各个样本数据的特征数据得到用于指示各个样本数据所属分组的分组信息；再利用因果预测模型根据各个样本数据的特征数据和对应的分组信息得到各个样本数据对应的在处理变量的各个取值下的结果预测值；根据所得到的各个分组中的样本数据对应的在处理变量的各个取值下的结果预测值，确定各个分组对应的敏感系数；将敏感系数最高的分组中的样本数据确定为敏感样本。

公开(公告)号：CN116011547A

公开(公告)日：2023-04-25

申请号：CN202310092429.7

申请日：2023-01-17

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张雷 ,  晏晓东 ,  何建杉 ,  褚崴

IPC: G06N3/08 ,  G06N3/0464 ,  G06F18/22

Abstract: 本说明书实施例提供了基于残差的深度学习方法及神经网络模型。其中，神经网络模型包括多个网络层，每个网络层包括卷积层、动态残差模块和样本表征调整模块，动态残差模块包括相似度子模块。在深度学习方法中，获取训练样本的初始表征；神经网络模型中的各个网络层按照以下方式执行，直至针对神经网络模型的学习完成：将初始表征以及当前网络层中待处理的第一样本表征输入至当前网络层中的相似度子模块，输出相似度表征；将第一样本表征输入当前网络层中的卷积层，输出第二样本表征；以及将第二样本表征、动态残差以及初始表征输入样本表征调整模块，输出第三样本表征。

公开(公告)号：CN119515467A

公开(公告)日：2025-02-25

申请号：CN202411825561.5

申请日：2024-12-11

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李梦绮 ,  张雷 ,  何建杉 ,  周仁丹

IPC: G06Q30/0242 ,  G06F18/213

Abstract: 本说明书实施例提供一种多个业务目标的增量预测方法和装置。方法包括：获取目标用户的用户特征和当前的干预特征；将用户特征输入专家模块，通过专家模块分离出与第一业务目标有关的第一特征、与第二业务目标有关的第二特征、与第一业务目标和第二业务目标均有关的共享特征；将第一特征和共享特征输入第一门控单元，得到第一目标特征；将第一目标特征和干预特征输入第一目标塔，得到第一业务目标下有干预相对于无干预的第一增量值；将第二特征和共享特征输入第二门控单元，得到第二目标特征；将第二目标特征和干预特征输入第二目标塔，得到第二业务目标下有干预相对于无干预的第二增量值。复杂性低，且预测准确性佳。

公开(公告)号：CN115809347A

公开(公告)日：2023-03-17

申请号：CN202211610829.4

申请日：2022-12-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张雷 ,  何建杉 ,  王太峰 ,  晏晓东 ,  褚崴

IPC: G06F16/36 ,  G06N20/00

Abstract: 本说明书实施例公开了一种时序图表示学习方法及系统。所述时序图包括节点和边，边的信息包括时间信息。所述方法包括：从时序图中确定包含目标节点及其邻居节点的子图。基于所述子图中的每一条边，获取节点对信息；其中，节点对信息包括目标节点的表征信息、该边上的邻居节点的表征信息、该边的信息。对于所述邻居节点中的每一个，通过第一网络依次处理包含该邻居节点的节点对信息；进而得到目标节点的更新后的表征信息以及各邻居节点的更新后的表征信息。通过第二网络处理目标节点及其邻居节点的更新后的表征信息、以及目标节点及其邻居节点之间的边，得到目标节点的目标表征信息。