-
公开(公告)号：CN112365344B
公开(公告)日：2021-04-27
申请号：CN202110028140.X
申请日：2021-01-11
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种业务规则自动生成方法和系统。所述方法包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个，利用多个样本的标签数据和在该因果图中的特征对应的特征数据训练树模型；基于训练出的树模型生成业务规则。
-
公开(公告)号：CN111598632B
公开(公告)日：2020-10-27
申请号：CN202010693715.5
申请日：2020-07-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02
Abstract: 本说明书实施例提供一种权益份额的确定方法，该方法包括：先确定出需对第一用户进行第i次权益发放，其中第一用户属于特定服务的目标用户；接着，获取与该第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对上述目标用户设定的K个权益份额上限，其中i≤K；然后，针对其中任意的第一可选权益份额，将该第一可选权益份额和获取到的该第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示该第一用户在被发放该第一可选权益份额后，使用上述特定服务的可能性；再基于得到的对应于多个可选权益份额的多个预测概率，确定第i次权益发放中需发放的权益份额。
-
公开(公告)号：CN111539536B
公开(公告)日：2020-10-23
申请号：CN202010566084.0
申请日：2020-06-19
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种评估业务模型超参数的方法和装置，所述方法包括：获取业务模型的多个第一超参数组合及其各自的分数、和待评估的第二超参数组合，所述第一超参数组合的分数为其对应的业务模型的性能分数；计算所述第二超参数组合与各个第一超参数组合的相似度；计算所述多个分数的加权和，作为所述第二超参数组合的估计分数，其中，各个所述第一超参数组合的分数的权重基于相应的所述相似度确定。
-
公开(公告)号：CN111737719A
公开(公告)日：2020-10-02
申请号：CN202010691952.8
申请日：2020-07-17
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保护隐私的文本分类方法及装置，在文本分类方法中，第一服务器接收数据请求方发送的文本分类请求，文本分类请求至少包括采用数据请求方的第一公钥进行加密的待分类文本。基于数据提供方提供的加密样本文本，构建词组集合。该加密样本文本采用第一公钥对样本文本加密得到。确定加密词频，该加密词频为词组集合中各词组在加密的待分类文本中的词频统计的加密值。至少向第二服务器发送加密词频，以使得第二服务器将加密词频加载到其可信执行环境TEE中，在TEE中，对加密词频进行解密，并将解密结果输入预先部署在TEE中的文本分类模型，得到待分类文本的分类结果，其中的文本分类模型基于上述样本文本训练得到。
-
公开(公告)号：CN111523146B
公开(公告)日：2020-09-29
申请号：CN202010632215.0
申请日：2020-07-03
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实现隐私保护的数据处理方法，该方法包括：获取待处理的传感器数据，以及对应的身份类别标签和业务标签，该业务标签对应针对用户的业务预测任务；接着，将该传感器数据输入数据匿名模型中，得到匿名数据；进一步地，一方面，将该匿名数据输入预先训练的用户身份识别模型中，得到身份预测结果，用于结合身份类别标签确定身份预测损失；另一方面，将该匿名数据输入预先训练的业务预测模型中，得到业务预测结果，用于结合上述业务标签，确定业务预测损失；然后，利用综合损失，训练该数据匿名模型；该综合损失与该身份预测损失负相关，且与该业务预测损失正相关；其中训练后的数据匿名模型用于对目标传感器数据进行匿名处理。
-
Patent Agency Ranking
公开(公告)号：CN111598632A
公开(公告)日：2020-08-28
申请号：CN202010693715.5
申请日：2020-07-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02
Abstract: 本说明书实施例提供一种权益份额的确定方法，该方法包括：先确定出需对第一用户进行第i次权益发放，其中第一用户属于特定服务的目标用户；接着，获取与该第i次权益发放对应的多个可选权益份额，其均小于权益份额序列中的第i个权益份额上限，其中权益份额序列包括针对上述目标用户设定的K个权益份额上限，其中i≤K；然后，针对其中任意的第一可选权益份额，将该第一可选权益份额和获取到的该第一用户的用户特征，输入预先训练的概率预测模型中，得到第一预测概率，指示该第一用户在被发放该第一可选权益份额后，使用上述特定服务的可能性；再基于得到的对应于多个可选权益份额的多个预测概率，确定第i次权益发放中需发放的权益份额。
-
公开(公告)号：CN111598238A
公开(公告)日：2020-08-28
申请号：CN202010691948.1
申请日：2020-07-17
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的压缩方法及装置。该方法可以包括：首先获取经训练得到的深度学习模型以及用于训练该深度学习模型的多条训练数据，其中该深度学习模型用于进行业务预测并且包括多个权重参数。然后根据深度学习模型对应的损失函数以及多条训练数据，确定多个权重参数各自对应的梯度值。接着确定多个权重参数各自对应的重要性度量值；其中，一个权重参数对应的重要性度量值，与该权重参数的绝对值正相关，与该权重参数对应的梯度值的绝对值正相关。之后根据多个权重参数各自对应的重要性度量值，对深度学习模型进行网络剪枝。
-
公开(公告)号：CN111539536A
公开(公告)日：2020-08-14
申请号：CN202010566084.0
申请日：2020-06-19
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种评估业务模型超参数的方法和装置，所述方法包括：获取业务模型的多个第一超参数组合及其各自的分数、和待评估的第二超参数组合，所述第一超参数组合的分数为其对应的业务模型的性能分数；计算所述第二超参数组合与各个第一超参数组合的相似度；计算所述多个分数的加权和，作为所述第二超参数组合的估计分数，其中，各个所述第一超参数组合的分数的权重基于相应的所述相似度确定。
-
公开(公告)号：CN111538907A
公开(公告)日：2020-08-14
申请号：CN202010505356.6
申请日：2020-06-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例公开了一种对象推荐方法、系统及装置。所述方法包括：获取预设历史时间段内分别与多个历史时间节点对应的对象特征；将对象特征按照时间区间进行划分，得到多个时段对象特征；利用循环神经网络处理每一个时段对象特征，得到对应的第一向量表示；利用膨胀卷积神经网络处理每一个第一向量表示，得到对应的第二向量表示；获取待推荐对象的对象特征，以及目标用户的用户特征；对所述待推荐对象的对象特征与多个所述第二向量表示进行注意力机制的计算，获取第三向量表示；基于所述第三向量表示，以及所述用户特征，确定对应于所述待推荐对象的推荐分值；基于所述推荐分值确定是否向目标用户推荐所述待推荐对象。
-
公开(公告)号：CN111340605A
公开(公告)日：2020-06-26
申请号：CN202010443445.2
申请日：2020-05-22
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训练用户行为预测模型、用户行为预测的方法和装置。方法包括：获取第一样本，包括，基于样本用户和样本对象的属性特征形成的第一属性特征，基于样本用户的评论文本形成的第一文本特征，和基于针对样本对象的评论文本形成的第二文本特征，且第一样本具有第一标签和第二标签，第一标签示出，样本用户是否针对样本对象执行预定用户行为，第二标签示出，样本用户对样本对象的评分；将第一属性特征、第一文本特征和第二文本特征输入待训练的用户行为预测模型，输出第一预测结果和第二预测结果；根据第一预测结果和第一标签，第二预测结果和第二标签，更新用户行为预测模型。能够提高用户行为预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.042 seconds)
