-
公开(公告)号：CN110766086A
公开(公告)日：2020-02-07
申请号：CN201911032757.8
申请日：2019-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 龙翀
IPC: G06K9/62
Abstract: 本说明书实施例提供了一种基于强化学习模型对多个分类模型进行融合的方法和装置，其中每个分类模型针对第一对象输出基于多个预定类别进行分类的分类结果，所述方法包括：获取第一状态信息，所述第一状态信息包括所述多个分类模型各自的对所述第一对象的分类结果、以及当前强化学习模型对于所述多个预定类别中每个类别的分类准确率；将所述第一状态信息输入所述强化学习模型；通过所述强化学习模型从所述多个预定类别中确定所述第一对象的类别。
-
公开(公告)号：CN111159378A
公开(公告)日：2020-05-15
申请号：CN201911396839.0
申请日：2019-12-30
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 龙翀
IPC: G06F16/332 , G06F16/35 , G06N3/00
Abstract: 本说明书实施例中提供了一种对问题描述信息进行分类的方法及装置，方法包括：首先对用户提供的问题描述信息进行分词处理以得到词序列，并通过BERT模型分析该词序列以得到编码向量序列，其中，该编码向量序列中的各个编码向量与该词序列中的各个词一一对应；接着通过第一深度神经网络分析该编码向量序列以得到第一特征向量。同时，还可以获取用于指示该用户的账户状态的至少两项账户状态描述信息，并对至少两项账户状态描述信息进行特征提取以得到第二特征向量。之后，即可根据第一特征向量和第二特征向量确定问题描述信息对应的分类类别。
-
公开(公告)号：CN110704590A
公开(公告)日：2020-01-17
申请号：CN201910923491.X
申请日：2019-09-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35
Abstract: 本说明书实施例提供一种扩充训练样本的方法和装置。方法包括：获取待扩充的初始训练样本组，包括第一数量的训练样本，训练样本包括历史对话组中的原始机器语句和原始用户语句，以及该对话组对应的类别标签，初始训练样本组中的各训练样本具有第一类别标签；从初始训练样本组中获取第二数量的训练样本；针对第二数量的训练样本中的各对话组，将与各对话组中的原始机器语句相关的第一机器语句输入预先训练的第一类别标签的对话生成模型，生成与各对话组中的第一机器语句分别对应的第一用户语句；将各对话组中的第一机器语句和对应的第一用户语句作为扩充训练样本加入初始训练样本组，得到扩充训练样本组。能够实现训练样本的数据均衡。
-
公开(公告)号：CN111159378B
公开(公告)日：2023-07-18
申请号：CN201911396839.0
申请日：2019-12-30
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 龙翀
IPC: G06F16/332 , G06F16/35 , G06N3/0442 , G06N3/044 , G06N3/09
Abstract: 本说明书实施例中提供了一种对问题描述信息进行分类的方法及装置，方法包括：首先对用户提供的问题描述信息进行分词处理以得到词序列，并通过BERT模型分析该词序列以得到编码向量序列，其中，该编码向量序列中的各个编码向量与该词序列中的各个词一一对应；接着通过第一深度神经网络分析该编码向量序列以得到第一特征向量。同时，还可以获取用于指示该用户的账户状态的至少两项账户状态描述信息，并对至少两项账户状态描述信息进行特征提取以得到第二特征向量。之后，即可根据第一特征向量和第二特征向量确定问题描述信息对应的分类类别。
-
公开(公告)号：CN111144575B
公开(公告)日：2022-08-12
申请号：CN201911235651.8
申请日：2019-12-05
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的一个或多个实施例公开了一种舆情预警模型的训练方法、预警方法、装置、设备及介质，该舆情预警模型包括宽度学习模型和深度学习模型，该训练方法包括：获取舆情样本训练集，舆情样本训练集中的舆情样本包括元信息特征、内容特征以及舆情标签；将元信息特征输入宽度学习模型，以获取元信息特征处理结果；将内容特征输入深度学习模型，以获取内容特征处理结果；根据元信息特征处理结果和内容特征处理结果，确定舆情预警结果；根据舆情预警结果以及舆情标签，调整宽度学习模型和深度学习模型的参数。
-
Patent Agency Ranking
公开(公告)号：CN110766086B
公开(公告)日：2022-07-22
申请号：CN201911032757.8
申请日：2019-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 龙翀
IPC: G06K9/62
Abstract: 本说明书实施例提供了一种基于强化学习模型对多个分类模型进行融合的方法和装置，其中每个分类模型针对第一对象输出基于多个预定类别进行分类的分类结果，所述方法包括：获取第一状态信息，所述第一状态信息包括所述多个分类模型各自的对所述第一对象的分类结果、以及当前强化学习模型对于所述多个预定类别中每个类别的分类准确率；将所述第一状态信息输入所述强化学习模型；通过所述强化学习模型从所述多个预定类别中确定所述第一对象的类别。
-
公开(公告)号：CN110704590B
公开(公告)日：2022-04-12
申请号：CN201910923491.X
申请日：2019-09-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35
Abstract: 本说明书实施例提供一种扩充训练样本的方法和装置。方法包括：获取待扩充的初始训练样本组，包括第一数量的训练样本，训练样本包括历史对话组中的原始机器语句和原始用户语句，以及该对话组对应的类别标签，初始训练样本组中的各训练样本具有第一类别标签；从初始训练样本组中获取第二数量的训练样本；针对第二数量的训练样本中的各对话组，将与各对话组中的原始机器语句相关的第一机器语句输入预先训练的第一类别标签的对话生成模型，生成与各对话组中的第一机器语句分别对应的第一用户语句；将各对话组中的第一机器语句和对应的第一用户语句作为扩充训练样本加入初始训练样本组，得到扩充训练样本组。能够实现训练样本的数据均衡。
-
公开(公告)号：CN112070518A
公开(公告)日：2020-12-11
申请号：CN202011251013.8
申请日：2020-11-11
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/00 , G06F16/332 , G06F16/33 , G06F16/35 , G06N20/00
Abstract: 本说明书涉及一种客服提供方法和系统，其包括：接收用户的客服请求，将客服请求对应的客服模式作为用户初始选择的客服模式；获取用户的用户特征数据，以及两种或以上客服模式的负载信息；基于所述用户特征数据、用户初始选择的客服模式以及各客服模式的负载信息，确定各客服模式对应的服务评估值；基于各客服模式对应的服务评估值，从各客服模式中选出目标客服模式；通过所述目标客服模式向用户提供的客服。本申请基于各客服模式对应的服务评估值，均衡分配各客服模式对应的用户数量，并同时满足不同用户对不同客服渠道的各异性需求，最大限度地提升用户的客服体验。
-
公开(公告)号：CN111340148B
公开(公告)日：2020-09-22
申请号：CN202010439817.4
申请日：2020-05-22
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 龙翀
IPC: G06K9/62
Abstract: 本申请实施例提供了一种业务分类模型的训练方法、业务分类方法以及终端，能够使业务分类模型针对每个分类结果的准确程度达到对应的目标，实现了针对多目标进行优化的效果。其中，业务分类模型的训练方法包括：获取用于训练业务分类模型的多组业务样本数据；确定业务分类模型针对每个业务类别的分类准确度量的目标值；使用多组业务样本数据对业务分类模型进行迭代训练，直至达到迭代收敛条件，其中，在每次迭代训练之后，计算业务分类模型针对每个业务类别的分类准确度量，迭代收敛条件包括业务分类模型针对每个业务类别的分类准确度量达到对应的目标值。
-
公开(公告)号：CN111292103A
公开(公告)日：2020-06-16
申请号：CN202010329615.4
申请日：2020-04-24
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向用户推荐客服渠道的方法和装置，方法包括：获取目标用户的当前用户问题；确定当前人工渠道的空闲程度，从而得到第一状态特征；评估未来人工渠道的空闲程度，从而得到第二状态特征；根据目标用户的用户画像数据和当前用户问题，确定对应的第三状态特征，第三状态特征用于表示当向目标用户推荐自助渠道时，目标用户是否会接受自助渠道；根据第一状态特征、第二状态特征和第三状态特征确定强化学习模型的状态，通过强化学习模型输出可选动作集合中的目标动作，可选动作集合包括自助渠道和人工渠道；根据目标动作，向目标用户推荐自助渠道或人工渠道，以解决目标用户的当前用户问题。能够使用户获得好的服务体验。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.048 seconds)
