-
公开(公告)号：CN111210072B
公开(公告)日：2022-04-12
申请号：CN202010010460.8
申请日：2020-01-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/04 , G06F16/901 , G06K9/62
Abstract: 本说明书实施例提供了一种预测模型训练和用户资源额度确定方法及装置。在预测模型训练阶段，基于分享关系图谱，得到第一用户的第一关系特征，至少基于第一关系特征得到第一特征数据，将第一特征数据和第一资源额度输入预测模型，预测模型输出第一用户针对第一资源额度的分享行为的预测数据，将预测数据与标准数据进行比较得到第一预测损失，向使得第一预测损失减小的方向，更新预测模型。在确定用户资源额度阶段，将基于分享关系图谱得到的第二用户的特征数据和多个不同档位资源额度输入预测模型，预测模型可以输出第二用户针对不同档位资源额度的分享行为数据，根据分享行为数据对不同档位资源额度进行选择，得到针对第二用户分配的资源额度。
-
公开(公告)号：CN119851895A
公开(公告)日：2025-04-18
申请号：CN202411934855.1
申请日：2024-12-25
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G16H40/20 , G06F40/295 , G06F16/3329 , G06F16/334 , G06N5/04 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/09 , G06N3/084 , G06N3/088 , G06N3/0895
Abstract: 本申请一个或多个实施例提供一种智能导诊方法和装置，该方法包括：获取用于导诊咨询的查询文本，并针对查询文本进行命名实体识别，以从查询文本中识别出命名实体及其类型；如果识别出的命名实体包括疾病特征，则将疾病特征输入训练完成的预测模型，由预测模型基于疾病特征预测对应的疾病，并基于图，确定与疾病对应的科室；图中的节点包括代表就诊特征的节点和代表科室的节点；图中的各条边连接的节点代表的就诊特征对应于这条边连接的节点代表的科室；就诊特征至少包括疾病；如果识别出的命名实体包括就诊特征，则基于图，确定与就诊特征对应的科室；将科室输入导诊大模型，由导诊大模型基于科室进行推理以生成答案文本。
-
Patent Agency Ranking
公开(公告)号：CN118070909B
公开(公告)日：2024-10-01
申请号：CN202410502404.4
申请日：2024-04-25
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医疗问答系统的答案生成方法及装置，可以预先构建包含标准化规则的规则库，针对当前用户问题，可以将用户问题描述信息转换成标准化语句，并将转化得到的标准化语句与规则库中的标准化规则进行匹配，从而利用规则库对用户问题进行信息的召回。然后，经由大模型处理标准化语句和匹配到的标准化规则，为用户问题生成相应的医疗答案。如此，可以提高所生成的答案的准确性。
-
公开(公告)号：CN118095448B
公开(公告)日：2024-07-26
申请号：CN202410518456.0
申请日：2024-04-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/045 , G06N5/04 , G06N5/02 , G06F40/295 , G16H50/20
Abstract: 本说明书提供了一种针对LLM模型的医疗辅助信息提取方法及相关设备。LLM模型接入了辅助信息库，所述辅助信息库用于为所述LLM模型在执行推理任务时提供相关的辅助信息；其中，所述辅助信息库与异构的多个数据源对接，每个数据源中包括与所述推理任务相关的数据。该方法包括：获取多个数据源中的任一数据源中与所述推理任务相关的目标数据；根据所述目标数据的数据结构，从预先配置的多个信息提取流程中确定出与所述数据结构对应的目标信息提取流程；基于确定出的所述目标信息提取流程对所述目标数据进行信息提取，得到用于描述所述目标数据中包括的多个实体之间的逻辑关系的辅助信息。
-
公开(公告)号：CN118070909A
公开(公告)日：2024-05-24
申请号：CN202410502404.4
申请日：2024-04-25
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医疗问答系统的答案生成方法及装置，可以预先构建包含标准化规则的规则库，针对当前用户问题，可以将用户问题描述信息转换成标准化语句，并将转化得到的标准化语句与规则库中的标准化规则进行匹配，从而利用规则库对用户问题进行信息的召回。然后，经由大模型处理标准化语句和匹配到的标准化规则，为用户问题生成相应的医疗答案。如此，可以提高所生成的答案的准确性。
-
公开(公告)号：CN111737584B
公开(公告)日：2020-12-08
申请号：CN202010762440.6
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种行为预测系统的更新方法，其中行为预测系统包括多个推荐领域各自对应的对象表征模型、领域用户表征模型和行为预测模型，还包括通用用户表征模型和领域判别模型。该方法包括：首先，获取与该多个推荐领域对应的多个训练样本，其中各个训练样本包括推荐对象的对象特征、用户的用户特征，以及指示该用户是否对该第一推荐对象做出特定行为的样本标签；接着，利用行为预测系统对多个训练样本进行处理，从而得到对应的多个行为预测损失和多个领域判别损失，进而确定综合损失，该综合损失与该多个行为预测损失分别正相关，且与该多个领域判别损失分别负相关；然后，利用综合训练损失，调整该行为预测系统中各个模型的模型参数。
-
公开(公告)号：CN111737584A
公开(公告)日：2020-10-02
申请号：CN202010762440.6
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种行为预测系统的更新方法，其中行为预测系统包括多个推荐领域各自对应的对象表征模型、领域用户表征模型和行为预测模型，还包括通用用户表征模型和领域判别模型。该方法包括：首先，获取与该多个推荐领域对应的多个训练样本，其中各个训练样本包括推荐对象的对象特征、用户的用户特征，以及指示该用户是否对该第一推荐对象做出特定行为的样本标签；接着，利用行为预测系统对多个训练样本进行处理，从而得到对应的多个行为预测损失和多个领域判别损失，进而确定综合损失，该综合损失与该多个行为预测损失分别正相关，且与该多个领域判别损失分别负相关；然后，利用综合训练损失，调整该行为预测系统中各个模型的模型参数。
-
-
-
-
-
-
Search Results
27
records
(took 0.033 seconds)
