公开(公告)号：CN112115289A

公开(公告)日：2020-12-22

申请号：CN202011038681.2

申请日：2020-09-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 胡志洋 ,  黄鑫 ,  王琳 ,  宋宪政 ,  张大龙 ,  葛志邦

IPC: G06F16/58 ,  G06F16/51

Abstract: 本说明书的实施例公开了一种图数据采样方法和系统。所述方法包括：基于全图数据获取至少一个第一节点的节点特征以及至少一个输出边的特征，确定第一数据记录；输出边的起始点为第一节点、结束点为第二节点；将第一数据记录作为对第一节点进行第一化简操作的输入，确定至少一个第二数据记录；迭代执行第二化简操作直至达到预设迭代次数，并基于迭代数据记录确定采样结果，其中，迭代过程包括：基于上一轮化简操作得到的数据记录，确定第二化简操作的输入数据；其中，第一次执行第二化简操作的输入基于第二数据记录确定；基于输入数据对第一节点执行第二化简操作，确定至少一个迭代数据记录。

公开(公告)号：CN112070216B

公开(公告)日：2023-06-02

申请号：CN202011052999.6

申请日：2020-09-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黄鑫 ,  宋宪政 ,  王琳 ,  张大龙 ,  胡志洋

IPC: G06N3/0464 ,  G06N3/084 ,  G06F18/214 ,  G06F18/25

Abstract: 本说明书实施例公开了一种基于图计算系统训练图神经网络模型的方法及系统，所述图计算系统包括多个计算节点，所述多个计算节点中的每个包括图神经网络模型，应用于每个计算节点，所述方法包括：获取样本图中与所述计算节点匹配的目标样本节点的聚合特征信息；所述聚合特征信息聚合有所述目标样本节点的信息及基于所述多个计算节点的信息传播接收的其邻居样本节点的信息；利用所述图神经网络模型的输出层对所述聚合特征信息进行处理，得到所述目标样本节点的预测结果；基于所述预测结果和所述目标样本节点的标签，构建损失函数；基于所述损失函数进行反向传播，更新所述图神经网络模型；迭代执行上述步骤，直至所述图神经网络模型满足预设条件。

公开(公告)号：CN110705709B

公开(公告)日：2021-03-23

申请号：CN201910975012.9

申请日：2019-10-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 葛志邦 ,  黄鑫 ,  王琳

IPC: G06N3/08

Abstract: 本说明书实施例提供一种训练图神经网络模型的方法和装置。方法包括：从样本集中获取目标训练样本，及对应的目标样本标签；目标训练样本对应目标关系网络图中的目标节点，目标节点具有目标节点编号，目标关系网络图包括多个节点以及节点之间的连接边，各节点具有各自对应的节点编号，各连接边具有各自对应的边编号；根据目标节点编号和预设参数，从预先存储的目标关系网络图的图信息中，查询目标关系网络图的目标子图的图信息；目标子图以目标节点为中心节点，且目标子图中的各节点与目标节点之间的跳数小于或等于预设参数；利用目标子图的图信息和目标样本标签，对图神经网络模型进行训练。能够降低对机器的要求，并且提高训练效率。

公开(公告)号：CN112070216A

公开(公告)日：2020-12-11

申请号：CN202011052999.6

申请日：2020-09-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黄鑫 ,  宋宪政 ,  王琳 ,  张大龙 ,  胡志洋

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/20 ,  G06K9/62

Abstract: 本说明书实施例公开了一种基于图计算系统训练图神经网络模型的方法及系统，所述图计算系统包括多个计算节点，所述多个计算节点中的每个包括图神经网络模型，应用于每个计算节点，所述方法包括：获取样本图中与所述计算节点匹配的目标样本节点的聚合特征信息；所述聚合特征信息聚合有所述目标样本节点的信息及基于所述多个计算节点的信息传播接收的其邻居样本节点的信息；利用所述图神经网络模型的输出层对所述聚合特征信息进行处理，得到所述目标样本节点的预测结果；基于所述预测结果和所述目标样本节点的标签，构建损失函数；基于所述损失函数进行反向传播，更新所述图神经网络模型；迭代执行上述步骤，直至所述图神经网络模型满足预设条件。

公开(公告)号：CN111291870B

公开(公告)日：2020-08-21

申请号：CN202010384220.4

申请日：2020-05-09

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 葛志邦 ,  胡志洋 ,  张大龙 ,  黄鑫 ,  宋宪政 ,  马其浩 ,  王琳

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本说明书实施例公开了一种图深度学习中高维稀疏特征的处理方法及系统。所述方法包括：获取至少一个样本，并确定图数据中与所述至少一个样本对应的子图；遍历所述子图，从所述子图的节点获取非零特征；从参数机器中获取与所述非零特征对应的映射参数；其中，所述参数机器为模型训练过程中存放模型参数的机器，所述映射参数为将所述非零特征对应的高维向量映射到低维向量时所使用的参数；训练神经网络模型，对所述非零特征对应的映射参数进行优化，得到训练好的神经网络模型。

公开(公告)号：CN110910628A

公开(公告)日：2020-03-24

申请号：CN201911213106.9

申请日：2019-12-02

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 袁野 ,  黄鑫

IPC: G08C23/02 ,  H04N5/232

Abstract: 本说明书实施例公开了一种车损图像拍摄的交互处理方法、装置、电子设备。所述方法的一个实施例中，可以采用向检测车辆发射超声波等无线测距的方式确定与所述目标车辆的距离，可以辅助判断当前通过目标车辆的拍摄图像确定的拍摄姿态是否合适。当拍摄距离、拍摄角度等拍摄姿态不合适时，可以及时向拍摄人员给出提示，使用户快速、便捷的完成图像拍摄，提高车损图像获取效率和拍摄的图像质量。