-
公开(公告)号：CN117034088A
公开(公告)日：2023-11-10
申请号：CN202311074369.2
申请日：2023-08-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/24 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本说明书的实施例提供对象分类模型训练方法、对象分类预测方法及装置。在进行模型训练时，将对象图数据样本的对象节点特征数据和图拓扑结构信息提供给教师图神经网络模型来确定出对象图数据样本的用于指导对象分类模型训练的第一分类标签，对象分类模型包括感知机模型。随后，使用对象图数据的对象节点特征数据，在调整后的第一分类标签的指导下训练对象分类模型，对象图数据样本的第一分类标签根据该对象图数据样本的真实标签和该对象图数据样本经过对象分类模型后的第二分类标签进行调整。
-
公开(公告)号：CN116561430A
公开(公告)日：2023-08-08
申请号：CN202310661036.3
申请日：2023-06-05
Applicant: 支付宝(杭州)信息技术有限公司 , 合肥工业大学
IPC: G06F16/9535 , G06Q10/0639 , G06F18/22 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供一种推荐方法及装置，涉及对双曲空间中的目标用户表征矩阵和目标对象表征矩阵进行多轮次迭代更新。该方法中任一轮次的迭代更新包括：先将当前的两个目标表征矩阵分别映射至双曲空间的切平面，得到两个第一表征矩阵；接着，基于构建好的异构图，利用图神经网络更新两个第一表征矩阵得到更新后的两个第二表征矩阵，该异构图中具有预设关联关系的用户节点之间，以及存在预设交互行为的用户节点和对象节点之间形成连接边；再将两个第二表征矩阵分别映射回双曲空间，得到两个第三表征矩阵，用以确定样本用户对样本对象的预测评分；之后，基于预测评分和对应的交互行为标签，在双曲空间中更新当前的两个目标表征矩阵。
-
公开(公告)号：CN116401453A
公开(公告)日：2023-07-07
申请号：CN202310355474.7
申请日：2023-03-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F16/9537 , G06F16/332 , G06F16/33 , G06F16/35 , G06F18/2415 , G06F40/30 , G06N3/09
Abstract: 本说明书的实施例提供了一种用于训练长尾数据表征模型的方法和装置。在该用于训练长尾数据表征模型的方法中，循环执行下述模型训练过程：将当前训练样本集的头部子图数据和尾部子图数据分别提供给当前长尾数据表征模型的第一图神经网络和第二图神经网络，得到当前训练样本集的头部历史查询数据节点和尾部历史查询数据节点分别对应的特征表征；针对各个尾部历史查询数据节点，在当前训练样本集中确定该尾部历史查询数据节点的匹配头部历史查询数据节点；根据由尾部历史查询数据节点和对应的匹配头部历史查询数据节点组成的正样本对，确定知识迁移对比损失值；响应于不满足训练结束条件，基于知识迁移对比损失值调整当前长尾数据表征模型的参数。
-
公开(公告)号：CN116028708A
公开(公告)日：2023-04-28
申请号：CN202211249909.1
申请日：2022-10-12
Applicant: 支付宝(杭州)信息技术有限公司 , 合肥工业大学
IPC: G06F16/9535 , G06Q30/06 , G06Q30/0251 , G06F18/214 , G06F18/24 , G06N3/048 , G06N3/084
Abstract: 本说明书实施例提供一种推荐模型的训练方法及装置。该方法包括：首先，获取真实样本集，其中任意的第一真实样本包括第一用户的用户特征和第一业务对象的对象特征，以及指示所述第一用户是否对第一业务对象做出预定行为的第一行为标签；所述真实样本集涉及的M个用户被划分为与预设敏感属性的两个属性值对应的两组用户；接着，基于所述第一真实样本构造对应的虚构样本，所述虚构样本涉及的第二用户与所述第一用户分属于所述两组用户，所述虚构样本涉及的虚构业务对象与所述第一业务对象的相似度满足预设阈值，所述虚构样本的虚构行为标签具有与所述第一行为标签相同的标签值；之后，基于所述第一真实样本和虚构样本，训练所述推荐模型。
-
公开(公告)号：CN115034861A
公开(公告)日：2022-09-09
申请号：CN202210740465.5
申请日：2022-06-28
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针对长尾分布的学习方法、装置以及设备，方案包括：确定物品集合中的各头部物品和各尾部物品；确定依次具有从属关系的多个属性维度，以及头部物品和尾部物品在属性维度上的属性值；将头部物品、尾部物品、属性值作为图节点，根据图节点和从属关系，生成图网络，以使头部物品的图节点通过对应的属性值的图节点，与尾部物品的图节点连接；确定反映头部物品的图节点向量内不同维度之间的相关性的第一相关性参数，以及反映尾部物品的图节点向量内不同维度之间的相关性的第二相关性参数；确定反映第一相关性参数与第二相关性参数之间差距的相关性损失；根据相关性损失，对图网络中的图节点向量进行学习。
-
Patent Agency Ranking
公开(公告)号：CN114971742A
公开(公告)日：2022-08-30
申请号：CN202210756065.3
申请日：2022-06-29
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用户分类模型的训练、用户分类处理的方法及装置，用户分类模型包括图神经网络、第一分类网络和第二分类网络，该用户分类模型的训练方法包括：获取样本用户，其具有标签数据；在用户关系网络图中，以样本用户为目标节点，利用图神经网络对目标节点进行聚合；将所得的用户表征输入第一分类网络和第二分类网络，得到第一预测值和第二预测值，第一预测值表征样本用户属于由第一类用户和第二类用户构成的第一用户群的概率，第二预测值表征样本用户属于由第二类用户和第三类用户构成的第二用户群的概率；基于第一预测值和/或第二预测值，及标签数据，确定当前损失值；以最小化当前损失值为目标，调整用户分类模型的参数。
-
公开(公告)号：CN112837095A
公开(公告)日：2021-05-25
申请号：CN202110138578.3
申请日：2021-02-01
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对象分配方法和系统，该方法由至少一个处理器执行，其包括：获取待匹配的第一类对象的特征信息；基于所述第一类对象的特征信息以及两个或以上候选第二类对象的特征信息，确定所述第一类对象分别与两个或以上候选第二类对象的匹配值；获取匹配修正参数；至少基于匹配修正参数以及两个或以上的所述匹配值，从所述两个或以上候选第二类对象中选择目标第二类对象，并分配给所述第一类对象。
-
公开(公告)号：CN111814921A
公开(公告)日：2020-10-23
申请号：CN202010922527.5
申请日：2020-09-04
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对象特征信息获取、对象分类、信息推送方法及装置。在确定对象的特征信息时，从N个时刻的N个关系网络中分别确定第一节点的多个邻居节点，得到N个邻居节点组，并基于每个时刻对应的邻居节点组以及第一节点的节点特征，确定第一节点在各个时刻的空间聚合特征；将N个时刻的N个空间聚合特征按照时间顺序以序列的方式输入序列神经网络，分别得到第一节点在N个时刻的N个时空表达；对N个时空表达进行聚合，得到第一节点的时空聚合特征，作为第一节点代表的第一对象的特征信息。
-
公开(公告)号：CN111400560A
公开(公告)日：2020-07-10
申请号：CN202010162355.6
申请日：2020-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06F16/906 , G06F40/295 , G06Q40/02 , G06N3/04
Abstract: 本说明书一个或多个实施例公开了一种基于异构图神经网络模型进行预测的方法和系统，所述方法包括：获取与预测内容相关的异构图数据，所述异构图数据包括待预测节点、所述待预测节点的邻居节点、以及连接所述待预测节点与所述邻居节点之间的路径，所述路径包括至少一种类型；基于所述路径的类型，对所述邻居节点进行分组，以使得同一组的所述邻居节点的路径的类型相同；将所述待预测节点、分组后的所述邻居节点以及节点之间的路径输入训练好的异构图神经网络模型，得到待预测节点的表示向量后输入训练好的预测模型进行预测。
-
公开(公告)号：CN111382410A
公开(公告)日：2020-07-07
申请号：CN202010206013.X
申请日：2020-03-23
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刷脸验证方法。该方法可以包括从刷脸机具获取刷脸图像；基于所述刷脸图像，确定候选用户；获取反映所述候选用户与所述刷脸机具之间历史关联的历史关联特征；通过刷脸验证模型，至少基于所述历史关联特征，确定所述刷脸图像与所述候选用户的相关度；以及基于所述相关度，确定所述刷脸图像的刷脸验证结果。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.09 seconds)
