-
公开(公告)号：CN115392957A
公开(公告)日：2022-11-25
申请号：CN202210968175.6
申请日：2022-08-12
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模型训练中的注意力图的生成方法、装置以及设备。通过获取所述事件序列所对应的特征矩阵；确定所述事件序列中所包含的第i个事件所对应的第一时间向量x，确定所述事件序列中所包含的第j个事件所对应的第二时间向量x’；根据预设的时态内核、所述第一时间向量x和所述第二时间向量x’确定时间注意力权重矩阵kt；采用预设的事件内核确定所述事件键矩阵Ke和事件查询矩阵Qe所对应的事件注意力权重矩阵ke；融合所述时间注意力权重矩阵kt和所述事件注意力权重矩阵ke生成总注意力权重矩阵；根据所述总注意力权重矩阵和所述事件值矩阵Ve生成注意力图，从而体现出各事件的绝对时间和相对时间在相关性上的贡献。
-
公开(公告)号：CN111489734A
公开(公告)日：2020-08-04
申请号：CN202010260568.2
申请日：2020-04-03
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 曾晓东
Abstract: 本说明书实施例提供基于多说话人的模型训练方法以及装置，其中所述基于多说话人的模型训练方法包括：获取语音库中多个说话人的语音信息，以及语音信息对应的文本信息；将语音信息转换为声谱特征序列，以及，对文本信息进行标注处理，获得音素序列；对声谱特征序列和音素序列添加说话人标签，获得样本声谱特征序列以及样本音素序列；根据样本声谱特征序列和样本音素序列，构建训练样本集；根据训练样本集中的训练样本对初始声谱预测模型进行训练，获得主说话人的声谱预测模型；其中，初始声谱预测模型的超参数预设为在多个说话人中指定的主说话人的主说话人标识，并在训练过程中嵌入从语音信息提取的共享说话人特征。
-
公开(公告)号：CN117744631A
公开(公告)日：2024-03-22
申请号：CN202311688510.8
申请日：2023-12-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/211 , G06F40/253 , G06F18/214
Abstract: 本说明书实施例提供一种文本预测的方法及装置，在基于大模型进行文本预测过程中，为当前词预测下文时，根据当前业务请求及历史生成文本，确定将当前词作为起始词的若干个预取词组，然后对各个预取词组并行执行前向预测，从而确定基于若干个预取词组匹配到的最长词序列，根据最长词序列确定相应的若干输出词作为当前词的下文。如此，可以通过预取和并行计算提高词预测速率。
-
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：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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN115878432B
公开(公告)日：2023-05-12
申请号：CN202310122995.8
申请日：2023-02-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/30
Abstract: 本说明书提供了一种计算系统中的进程监控方法及相关设备。该计算系统包括多个计算设备，多个计算设备中的至少部分计算设备用于执行目标计算任务；至少部分计算设备上运行与目标计算任务对应的至少一个计算进程，并且，至少部分计算设备上部署了与至少一个计算进程绑定的代理程序。该方法应用于至少部分计算设备中的目标计算设备上部署的代理程序。该方法包括：从目标计算设备运行的至少一个计算进程中确定待监控的目标进程；获取目标进程在目标时长范围内对应的CPU利用率，并获取目标计算设备在目标时长范围内的总能耗；基于目标进程在目标时长范围内对应的CPU利用率和总能耗，获取目标计算设备在目标时长范围内运行目标进程产生的能耗。
-
公开(公告)号：CN110753264B
公开(公告)日：2022-06-07
申请号：CN201911012257.8
申请日：2019-10-23
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种视频生成方法、装置及设备，该方法包括：获取源视频、获取所述源视频中指定的视频元素以及获取指定的视频属性信息；从所述源视频中抽取出包含所述视频元素的视频元素文件；将抽取出所述视频元素文件以及指定的视频属性信息作为对抗神经网络GAN模型的输入，利用所述GAN模型生成匹配所述视频场景属性信息、以及包含所述视频元素的合成视频。本说明书实施例利用GAN模型能够快速自动生成符合需求的视频，基于GAN模型生成的视频也具有更好的真实感，能够满足多种业务需求。
-
公开(公告)号：CN113590936A
公开(公告)日：2021-11-02
申请号：CN202110753151.4
申请日：2021-07-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/909 , G06Q30/02 , G06Q30/06
Abstract: 本说明书实施例提供一种信息推送的方法，通过获取基于第一用户的当前状态信息，然后基于当前状态信息提取第一用户的多个业务特征，接着，检测预先构建的意图网格中，与第一用户的多个业务特征相匹配的特征组合，其中，意图网格用于描述预定特征组合与意图类别之间的对应关系，意图网格基于对各个特征组合与意图类别进行关联分析确定，单个特征组合对应与其关联性最强的一个或多个意图类别，进一步根据检测结果，向所述第一用户进行信息推送。该实施方式使得信息推送更加精准有效。
-
公开(公告)号：CN110852427B
公开(公告)日：2021-04-02
申请号：CN202010039269.6
申请日：2020-01-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/04 , G06N3/08 , G06F16/2458 , G06F16/27 , G06Q50/18
Abstract: 本说明书一个或多个实施例提供一种取证环境验证方法和装置、电子设备，应用于取证终端，包括：获取在验证时间段内由取证终端搭载的传感器采集到的传感数据，并基于传感数据生成按照采集时刻排序的传感序列数据；将传感序列数据输入至基于若干被标注了用户行为的传感序列数据样本训练出的时间序列模型进行计算，以得到取证人员在验证时间段内的用户行为，并基于用户行为生成按照发生时刻排序的第一序列；将第一序列发送至服务端，以由服务端将第一序列与通过对取证终端获取到的取证人员在验证时间段内的取证环境记录信息进行数据分析得到的取证人员的第二序列进行匹配，并在第一序列与第二序列匹配时，确定取证人员的取证环境验证通过。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.035 seconds)
