公开(公告)号：CN115796311A

公开(公告)日：2023-03-14

申请号：CN202211515321.6

申请日：2022-11-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 谢世明 ,  陈鸿 ,  曾多 ,  沈僮 ,  朱家行

IPC: G06N20/20 ,  G06Q30/0202

Abstract: 本说明书实施例提供一种基于人群分层的集成学习模型、基于人群分层的集成学习模型的确定方法与装置、基于集成学习模型的预测方法与装置、计算机可读存储介质、电子设备以及计算机程序产品，该模型包括：人群划分部分、包括N个子模型的集成学习部分以及包括N个子模型。通过人群划分部分能够确定目标用户对应的人群特征，进一步地，权重生成部分根据上述目标用户对应的人群特征，能够生成N个子模型分别对应的权重。其中，根据不同的人群特征所确定的N个权重是不同的。最终，根据集成学习部分以及上述N个权重可以完成预测。

公开(公告)号：CN119004108A

公开(公告)日：2024-11-22

申请号：CN202411123942.9

申请日：2024-08-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 谢世明 ,  陈鸿 ,  于飞 ,  孙泽烨 ,  吴修宇 ,  胡颖凡

IPC: G06F18/214 ,  G06F40/117

Abstract: 本说明书实施例涉及训练语言模型的方法及装置，方法包括：首先，将目标输入文本分别输入目标语言模型以及预训练的参考语言模型，得到两个模型各自关于第一输出文本的概率值，以及各自关于第二输出文本的概率值，其中，第一输出文本相对于第二输出文本被标记为关于所述目标输入文本的偏好输出文本；然后，确定训练损失，其与第一损失项负相关，且与第二损失项正相关；其中，第一损失项包括所述两个模型关于第一输出文本的概率值之间的差异；第二损失项包括所述两个模型关于第二输出文本的概率值之间的差异与0之间的较大值；接下来，以减小所述训练损失为目标，调整所述目标语言模型中的参数。

公开(公告)号：CN114936591B

公开(公告)日：2024-08-20

申请号：CN202210437199.9

申请日：2022-04-24

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 谢世明 ,  陈鸿 ,  吴军 ,  袁心如 ,  曾多 ,  元野 ,  沈僮

IPC: G06F18/23 ,  G06N3/088 ,  G06N3/084 ,  G06N3/04

Abstract: 本说明书实施例提供一种特征补齐方法、特征补齐装置、特征补齐模型、计算机可读存储介质、电子设备以及计算机程序产品，该方法包括本说明书示例性的实施例提供的方案基于训练后的机器学习模型，即基于对应于多个聚类中心的特征补齐模型实现。具体地，将关于同一用户的目标特征输入至训练后的特征补齐模型，经该特征补齐模型处理后输出与目标特征对应的隐向量，得到目标隐向量；其中，上述述目标特征中包含一个或多个待补齐元素。基于该特征补齐模型，在上述多个聚类中心中确定出上述目标隐向量对应的目标聚类中心。进一步地，根据目标聚类中心与目标隐向量之间距离，更新目标特征中的待补齐元素，最终得到补齐的目标特征。

公开(公告)号：CN116955815A

公开(公告)日：2023-10-27

申请号：CN202310904983.0

申请日：2023-07-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黎经元 ,  张跃 ,  林轩 ,  杨新星 ,  周鸽 ,  李龙飞 ,  陈鸿 ,  周俊

IPC: G06F16/9535 ,  G06F18/23 ,  G06F18/214 ,  G06Q10/0639

Abstract: 本申请公开了一种事务信息推荐方法、装置、存储介质、产品及电子设备，其中，方法包括：获取时段偏好模型，所述时段偏好模型用于计算用户对不同时段的事务信息的偏好分数，基于目标用户的用户特征和曝光事务信息的时效性特征，获得所述目标用户的时效性偏好向量，所述曝光事务信息为曝光于所述目标用户的事务信息，采用所述时效性偏好向量对所述时段偏好模型进行参数调制处理，获得目标偏好模型，基于所述用户特征和目标事务信息的内容特征，采用所述目标偏好模型对所述目标用户进行偏好预测处理，获得所述目标用户对所述目标事务信息的偏好分数，基于所述偏好分数，确定针对所述目标用户的所述目标事务信息的推荐策略。

公开(公告)号：CN114936591A

公开(公告)日：2022-08-23

申请号：CN202210437199.9

申请日：2022-04-24

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 谢世明 ,  陈鸿 ,  吴军 ,  袁心如 ,  曾多 ,  元野 ,  沈僮

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本说明书实施例提供一种特征补齐方法、特征补齐装置、特征补齐模型、计算机可读存储介质、电子设备以及计算机程序产品，该方法包括本说明书示例性的实施例提供的方案基于训练后的机器学习模型，即基于对应于多个聚类中心的特征补齐模型实现。具体地，将关于同一用户的目标特征输入至训练后的特征补齐模型，经该特征补齐模型处理后输出与目标特征对应的隐向量，得到目标隐向量；其中，上述述目标特征中包含一个或多个待补齐元素。基于该特征补齐模型，在上述多个聚类中心中确定出上述目标隐向量对应的目标聚类中心。进一步地，根据目标聚类中心与目标隐向量之间距离，更新目标特征中的待补齐元素，最终得到补齐的目标特征。