-
公开(公告)号：CN117313838A
公开(公告)日：2023-12-29
申请号：CN202311489792.9
申请日：2023-11-09
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
Abstract: 本说明书提供的联邦学习方法，目标端设备确定目标子图和包含目标外部节点的目标扩展图，通过聚合来自目标外部节点的非原始特征得到目标边缘节点的聚合外部嵌入特征，从而基于所述聚合外部嵌入特征对全局模型进行训练，得到本地模型。这样，在保护其他端设备的数据隐私的前提下引入了其他端设备中与自身相关的信息，使得目标边缘节点的信息更全面，利用目标边缘节点训练得到的本地模型的精度更高。
-
公开(公告)号：CN117111981A
公开(公告)日：2023-11-24
申请号：CN202311031879.1
申请日：2023-08-15
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
Abstract: 本说明书提供的云边协同的模型更新方法和系统，云服务器接收多个客户端的多个初始客户端模型参数以及多个本地样本特征，基于多个本地样本特征之间的相似度对这多个客户端进行分组，进而将相似的客户端聚合起来，并将聚合结果下发到该组中的每个客户端，在云边协同的框架下考虑了边与边之间的协同学习，使得相似客户端之间的相似信息可以互相共享和借鉴，不同的客户端可以学习到与其相似的客户端的个性化信息，从而提升每个客户端模型的精度。
-
公开(公告)号：CN116684480B
公开(公告)日：2023-10-31
申请号：CN202310948354.8
申请日：2023-07-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L67/55 , G06F16/9535 , G06F18/214
Abstract: 本发明涉及一种信息推送模型的确定及信息推送的方法及装置，在模型构建过程中，采用多输入多输出模型作为初始模型，通过样本特征深度提取多输入向量，同时产出多层次丰富的输出表征，并根据初始模型的训练结果对初始模型中的连接关系进行删减。其中，初始模型包括依次连接的第一数量的网络层，单个网络层的输出作为其后的第二数量网络层的输入。如此训练得到的模型可以具有更加有效的拓扑结构。
-
公开(公告)号：CN116582406B
公开(公告)日：2023-09-26
申请号：CN202310856785.1
申请日：2023-07-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L41/0246 , H04L41/069 , H04L43/04
Abstract: 本说明书提供一种监控数据的上传方法及装置，应用于边缘服务器，所述方法包括：在接收到终端上传的推理请求的情况下，基于预设的处理链路对所述推理请求进行处理；对所述推理请求在所述处理链路上的处理过程进行监控，并将监控所得的监控数据以日志形式记录于本地部署的日志模块中；将所述日志模块中的日志数据上传至云端，以由所述云端将所述日志数据上传至监控平台。
-
公开(公告)号：CN116629386A
公开(公告)日：2023-08-22
申请号：CN202310903982.4
申请日：2023-07-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06F16/2458 , G06F16/27 , G06F21/62 , G06F16/21 , G06F16/23 , G06F16/245
Abstract: 本说明书一个或多个实施方式提供了一种模型训练方法及装置，模型训练方法包括基于实时接收到的训练数据的时间信息确定训练数据的时效性，在训练数据的时效性为有效的情况下，将训练数据存储在云服务器的存储模块中，利用存储模块中存储的训练数据对部署于云服务器的全局模型进行训练。本公开实施方式中，通过对训练数据的时效性筛选，仅存储有效的训练数据，缩减云服务器存储数据量，降低存储压力，而且可以过滤过期或者错误数据，为模型训练提供正确且可靠的数据基础，提高模型训练的稳定性和训练效果。
-
Patent Agency Ranking
公开(公告)号：CN116610868A
公开(公告)日：2023-08-18
申请号：CN202310860786.3
申请日：2023-07-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06N5/04 , G06N3/08
Abstract: 本说明书一个或多个实施例提供一种样本标注方法、端边云协同训练方法及装置。该方法包括：获取设置在所述终端设备中的资源推荐网络的输入特征；利用所述资源推荐网络对所述输入特征进行多次推理，并将每次推理的输入特征与该次推理的ID进行绑定；获取已进行推理的待展示资源的曝光数据，并根据所述曝光数据确定所述用户对所述待展示资源的感兴趣程度的真实值；根据所述推理的ID获取对应的输入特征，并利用所述真实值对所述输入特征进行标注，得到样本数据。利用推理解决方案与训练解决方案的信息交互完成端侧自动化的样本数据标注，并通过将推理ID与输入特征绑定，可以保证样本标注与输入特征的对应，以更准确地对资源推荐网络进行训练。
-
公开(公告)号：CN116600020A
公开(公告)日：2023-08-15
申请号：CN202310865087.8
申请日：2023-07-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种协议生成方法、端云协同推荐方法及装置。该方法应用于协议生成器，协议生成器与云服务器和客户端通信连接，所述云服务器包括多个云上系统；所述方法包括：构建预设格式的协议模板，所述协议模板包括场景模块、策略模块和特征模块；根据待应用的推荐场景确定所述场景模块的场景参数，并根据所述多个云上系统的数据确定所述策略模块中的目标策略参数以及特征模块中的云特征，得到目标协议，所述目标协议用于使所述客户端根据所述目标协议进行端云协同资源推荐。通过根据端云协同推荐场景中的数据结构，构建通用的标准化数据协议，可以提高协议在客户端与不同云上系统之间的复用性，降低管理的复杂性和成本。
-
公开(公告)号：CN116595384A
公开(公告)日：2023-08-15
申请号：CN202310864326.8
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N20/00 , G06F9/50
Abstract: 本说明书一个或多个实施例提供一种模型训练方法及装置。其中，该方法应用于云端，包括：接收多个终端上传的、基于本地数据对待训练模型进行模型训练产生的训练数据；按照各个终端所属的集群，将由各个终端上传的训练数据记录至与各个集群对应的数据集中，并由与各个集群分别对应的训练模块根据相应数据集中包含的训练数据，对各个集群所对应的待训练模型进行更新，得到与各个集群分别对应的更新后模型；将各个集群所对应的更新后模型，作为相应集群在下一次模型更新时的待训练模型部署至各个终端。
-
公开(公告)号：CN116383458B
公开(公告)日：2023-08-11
申请号：CN202310650591.6
申请日：2023-06-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9035 , G06Q30/0601
Abstract: 本说明书实施例提供一种信息推送的方法及装置，在信息推送的排序过程中将用于粗排的第一子网络和用于精排的第二子网络同时连接在嵌入模块之后，并增加动态选择模块完成第一子网络至第二子网络的连接，从而，在信息推送过程中在一个模型架构下完成信息排序，可以减少模型调用次数，且嵌入模块的嵌入结果可以由第一子网络和第二子网络共用。在信息推送过程中，先由第一子网络对候选信息进行粗排过滤，从而经由动态选择模块选择不固定条数的候选信息作为优选信息进行精排打分，之后，将优选信息的精排打分和其他候选信息的粗排打分结果一起进行融合排序，以按照打分结果进行信息推送。如此，可以提高信息推送的处理效率。
-
公开(公告)号：CN116384473B
公开(公告)日：2023-08-08
申请号：CN202310652126.6
申请日：2023-06-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/082 , G06F16/9535
Abstract: 本说明书实施例提供了一种计算图改进、信息推送方法及装置。信息推送模型用于针对用户确定多条待选推送信息的评分。在该方法中，获取用户特征和待选推送信息特征，并据此特征对计算图的特征输入节点和其他节点进行类别标记，标记为与用户特征相关联的第一类，或者与待选推送信息特征相关联的第二类。接着，在属于第一类的特征输入节点与其下游节点之间增加切分节点，切分节点可以对输入的高维数据进行切分，并输出得到的低维数据。还要从其他节点中确定自身类别为第一类、其下游节点的类别为第二类的节点，作为用户特征叶节点。接着，在用户特征叶节点与其下游节点之间增加复制节点，复制节点对输入的低维数据进行复制，输出得到的高维数据。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.061 seconds)
