-
公开(公告)号：CN117725113A
公开(公告)日：2024-03-19
申请号：CN202311654784.5
申请日：2023-12-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/28 , G06F16/242
Abstract: 本说明书的实施例提供了一种基于大语言模型的知识挖掘方法和装置。在该基于大语言模型的知识挖掘方法中，根据预定实体图谱，获取针对源实体的结构化知识；根据该源实体在该预定实体图谱中的目标属性确定候选关系集；利用大语言模型根据该结构化知识、该候选关系集和针对该源实体的附加知识，输出对应的目标关系集和可继承知识，其中，该可继承知识包括该目标关系集中的关系所对应的至少一个目标实体词；再利用大语言模型基于该源实体、该目标关系集中的关系和结构化知识、附加知识、可继承知识中的至少一项构建的提示信息，输出与所提供的关系对应的候选实体词集；进而，得到与该源实体相关联的实体和相应关系。
-
公开(公告)号：CN115936057A
公开(公告)日：2023-04-07
申请号：CN202211538942.6
申请日：2022-12-02
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基于关系网络的模型训练方法、表征确定方法及装置。其中通过注意力模型对用户节点的邻居用户节点进行选择，从而利用选择的邻居用户节点确定关系网络的选择邻接矩阵。接着，通过图神经网络，基于选择邻接矩阵将邻居节点表征向对应的用户节点传播，得到用户聚合表征；利用用户聚合表征和物表征之间的相似度拟合用户与物之间的点击行为，从而与已有点击行为之间的差异构建预测损失，并更新注意力模型。训练后的注意力模型能够选择出更可信的邻居用户。之后，利用注意力模型对用户和商品进行多路径的表征聚合，并利用自监督训练多表征聚合模型，得到最终的用户表征和商品表征，进而利用其相似度拟合用户对商品的点击概率。
-
公开(公告)号：CN114707644A
公开(公告)日：2022-07-05
申请号：CN202210440602.3
申请日：2022-04-25
Applicant: 支付宝(杭州)信息技术有限公司 , 北京邮电大学
Abstract: 本说明书实施例提供一种图神经网络的训练方法，涉及基于用户关系图谱对图神经网络进行多轮次迭代更新，其中任一轮次包括：利用当前图神经网络对所述用户关系图谱进行处理，得到与该用户关系图谱中多个用户节点对应的多个分类预测向量；基于所述多个分类预测向量，为所述多个用户节点中第一数量的未标注节点分配对应的伪分类标签；针对所述第一数量的未标注节点中的各个未标注节点，确定利用其训练所述当前图神经网络而产生的信息增益；根据与所述多个用户节点中各个标注节点对应的分类预测向量和真实分类标签，以及与所述各个未标注节点对应的分类预测向量、伪分类标签和信息增益，更新所述当前图神经网络中的模型参数。
-
公开(公告)号：CN111581450A
公开(公告)日：2020-08-25
申请号：CN202010588745.X
申请日：2020-06-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06Q10/04 , G06Q40/02 , G06N3/04 , G06N20/00
Abstract: 本说明书实施例提供一种确定用户的业务属性的方法，一方面，基于异构图确定用户的预测向量，将各个关联关系下获取的用户的表达向量融合，综合了各种可能的信息，从多维度丰富用户信息，利用信息互补性探索多重关系下的丰富语义，从而避免单一信息缺失无法准确描述用户导致的无法预测用户业务属性的情形；另一方面，在单个关联关系下确定用户的表达向量过程中，不仅考虑用户与其他用户之间的关联影响，而且还考虑连接边对应的业务属性对这种关联关系的影响，充分利用用户的局部结构信息来增强对用户的表示能力，从而提高对用户业务属性预测的准确度。
-
公开(公告)号：CN111309983A
公开(公告)日：2020-06-19
申请号：CN202010162991.9
申请日：2020-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N3/08
Abstract: 本说明书实施例提供一种基于异构图进行业务处理的方法和装置，可以利用不同结构的关系网络构成的异构图直接进行业务处理。在本说明书的实施架构下，利用多个不同连接关系类型的关系网络，可以更加全面的刻画实体的特征，另一方面，针对各个关系网络分别处理得到节点的各个业务表征向量，无需对各个关系网络进行综合，可以避免繁琐的手工特征抽取，进一步地，可以自动确定在当前业务下，当前实体在每个关系网络中的重要度系数(权重)，实现在各个关系网络下的信息融合，从而使得对当前实体的评估结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN119311972A
公开(公告)日：2025-01-14
申请号：CN202410985093.1
申请日：2024-07-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/955 , G06F18/214 , G06F18/2415 , G06F18/243
Abstract: 本说明书提供链接预测方法及装置、程序产品、设备和存储介质，方法包括：确定第一对象的子图内表征第一对象的节点，和第二对象的子图内表征第二对象的节点的共同邻节点，其中，第一对象的子图和第二对象的子图均包括多个节点和多个连边，每个节点表征一个对象，任两个节点之间的连边表征该两个节点所表征的对象之间具有交集；若表征第一对象和第二对象的节点的共同邻节点的数量小于数量阈值，在第一节点的子图和第二节点的子图之间添加至少一条连边，以使表征第一对象和第二对象的共同邻节点的数量不小于数量阈值；将所述第一对象的子图和所述第二对象的子图输入至业务模型，以确定所述第一对象和所述第二对象之间是否具有交集。
-
公开(公告)号：CN118378099A
公开(公告)日：2024-07-23
申请号：CN202410612144.6
申请日：2024-05-16
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自然语言处理模型的数据召回方法及装置，针对待通过自然语言模型处理的第一信息，可以对其进行数据召回的预处理，以将召回的文本与第一信息一起经由自然语言处理模型进行处理，得到相应业务处理结果。在数据召回过程中，可以先从数据库中检索与第一信息相匹配的若干文本作为候选文本，然后利用预先训练的效用模型对各个候选文本进行有效性评估，以得到各个候选文本分别对应的各个效用分数，再针对各个候选文本，分别基于相应相似度和效用分数的融合得到相应的融合分数，并根据各个融合分数从候选文本中筛选出目标文本作为召回数据。如此，可以有效节约计算成本。
-
公开(公告)号：CN116992047A
公开(公告)日：2023-11-03
申请号：CN202310982770.X
申请日：2023-08-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供知识图谱表征模型训练方法、知识图谱表征方法及装置。在进行知识图谱表征模型训练时，经由知识图谱表征模型的文本表征层，根据知识图谱中的实体节点的实体特征和边关系的边标识特征生成实体节点的初始实体表征以及边关系的关系表征，实体特征至少包括实体节点的文本特征；经由知识图谱表征模型的图学习层，对实体节点的初始实体表征进行知识图谱下的图学习，以得到实体节点的最终实体表征；以及使用实体节点的最终实体表征和边关系的关系表征来执行知识图谱表征模型训练。
-
公开(公告)号：CN116304337A
公开(公告)日：2023-06-23
申请号：CN202310274863.7
申请日：2023-03-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F18/214 , G06V10/44 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供对象推荐模型训练方法、推荐对象确定方法及装置。在每轮模型训练时，确定用户特征的用户特征嵌入表征、目标对象和用户交互对象的对象特征嵌入表征。从用户交互对象的对象特征嵌入表征中解耦出用户兴趣嵌入表征和用户从众嵌入表征；分别根据目标对象的对象特征嵌入表征以及用户特征嵌入表征与用户兴趣嵌入表征和用户从众嵌入表征之间的耦合结果确定目标对象表征、用户兴趣表征和用户从众表征；根据基于用户兴趣表征、用户从众表征与目标对象表征确定出的用户兴趣预测结果和用户从众预测结果调整对象推荐模型的模型参数。
-
公开(公告)号：CN114781625A
公开(公告)日：2022-07-22
申请号：CN202210659314.7
申请日：2022-06-13
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网络模型训练、推送内容确定方法及装置。网络模型包括自注意力网络和第一神经网络，该网络模型用于确定用户针对待推送内容的偏好评分，计算设备可以基于该偏好评分确定针对用户的推送内容。在训练网络模型时，可以基于用户的历史点击行为的时间戳，在预设维度空间中进行时间映射，得到时间编码；基于历史点击行为包含的点击内容和对应的时间编码，生成用户的时间序列特征；利用自注意力网络，基于时间序列特征和待推送内容，确定用于表征用户的历史点击行为与待推送内容之间关系的第一输出结果；利用第一神经网络，基于第一输出结果和用户的第一特征，确定用户针对待推送内容的偏好评分，基于偏好评分更新网络模型。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.045 seconds)
