-
公开(公告)号：CN110826324A
公开(公告)日：2020-02-21
申请号：CN201911047639.4
申请日：2019-10-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/289 , G06F40/126 , G06N3/08 , G06N3/04
Abstract: 本说明书实施例提供一种语言模型的训练及分词预测方法和装置、语言模型，采用分词及其笔画集合来训练语言模型以及预测目标分词，由于提取出分词级以及笔画级的特征，特征粒度更小，因此，训练出的语言模型准确度较高，预测目标分词的准确性也越高。
-
公开(公告)号：CN110826324B
公开(公告)日：2024-02-09
申请号：CN201911047639.4
申请日：2019-10-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/289 , G06F40/126 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本说明书实施例提供一种语言模型的训练及分词预测方法和装置、语言模型，采用分词及其笔画集合来训练语言模型以及预测目标分词，由于提取出分词级以及笔画级的特征，特征粒度更小，因此，训练出的语言模型准确度较高，预测目标分词的准确性也越高。
-
公开(公告)号：CN116955816A
公开(公告)日：2023-10-27
申请号：CN202310905557.9
申请日：2023-07-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/0601 , G06F18/214 , G06N3/08
Abstract: 本说明书实施例提供用于物品推荐模型训练的数据增广方法及装置。在进行数据增广时，根据当前有偏用户‑物品样本数据生成待增广用户‑物品样本数据，并提供给无偏物品推荐模型和当前目标物品推荐模型分别得到第一和第二物品推荐预测标签。随后，将待增广用户‑物品样本数据提供给标签权重预测模型来预测第一和第二物品推荐预测标签的标签权重；并且使用第一和物品推荐预测标签以及各自的标签权重生成待增广用户‑物品样本数据的伪标签，以得到增广用户‑物品样本数据，所得到的增广用户‑物品样本数据作为有偏用户‑物品样本数据的补充训练样本数据来参与当前目标物品推荐模型的模型训练。
-
公开(公告)号：CN111538907B
公开(公告)日：2023-04-18
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 , G06Q30/0601 , G06N3/044 , G06N3/0464
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：CN110866543B
公开(公告)日：2022-07-15
申请号：CN201910995352.8
申请日：2019-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N20/00
Abstract: 本说明书实施例提供一种图片检测及图片分类模型的训练方法和装置，根据由原始训练图片以及伪文本图片共同训练得到的图片分类模型对待检测图片进行检测，以获取包括预设类别的第一文本的目标待检测图片。由于训练图片分类模型时同时采用了原始训练图片以及伪文本图片，增加了训练样本的多样性，产生了更多的文本表达，因此，提高了图片检测的准确度。
-
Patent Agency Ranking
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：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：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：CN111222722B
公开(公告)日：2020-07-24
申请号：CN202010329614.X
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针对业务对象进行业务预测的方法和神经网络模型。在该方法中，首先获取业务对象对应的初始特征矩阵，其中包括对应于该业务对象的N项特征的N个原始向量。然后，对初始特征矩阵进行多级处理,每级处理包括，对于本级待处理的第i特征向量，对初始特征矩阵中对应的第i原始向量和各个本级特征向量分别进行线性变换，得到第i变换向量和各个本级变换向量；根据该第i变换向量和各个本级变换向量之间的各个相关度，对其融合结果进行加权组合，由此确定该第i特征向量的下一级特征向量。根据最后一级处理得到的矩阵，得到该业务对象对应的表征向量，根据该表征向量，对业务对象进行业务预测。
-
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
34
records
(took 0.065 seconds)
