-
公开(公告)号：CN116600020B
公开(公告)日：2023-10-10
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：CN116611536B
公开(公告)日：2023-09-29
申请号：CN202310887452.5
申请日：2023-07-19
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模型训练方法及装置、电子设备及存储介质，所述方法结合终端、边缘CND节点和云端三侧来完成目标模型的训练，从而提高了目标模型的训练效果，所述方法包括：接收多个梯度数据，其中，所述梯度数据由终端根据样本数据和目标模型生成，并发送至边缘CDN节点；对所述多个梯度数据进行聚合处理，得到第一聚合结果；将所述第一聚合结果发送至云端，以使所述云端根据所述第一聚合结果更新所述目标模型，并将更新后的所述目标模型发送至生成所述多个梯度数据的终端。
-
公开(公告)号：CN116610873B
公开(公告)日：2023-09-26
申请号：CN202310887568.9
申请日：2023-07-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/9538 , G06F9/50 , G06N3/08 , G06N3/045
Abstract: 本说明书提供一种信息推荐方法及装置、存储介质，该方法包括：基于用户对云节点下发的至少一个第一推荐信息的操作行为，得到实时特征信息；将实时特征信息发送给边缘节点；接收并存储边缘节点返回的目标特征信息，目标特征信息是用于表征用户的历史操作行为和实时操作行为之间的共性的特征信息；基于目标特征信息，对云节点下发的至少一个第二推荐信息进行重排序后输出。本公开可以利用边缘节点的算力为客户端提供更精准表征用户操作行为的目标特征信息，扩展了客户端上表征用户操作行为的特征信息的丰富度，且可以减少信息推荐的时延，能够更合理的利用端边云各个设备的资源，提高了端边云架构的可用性。
-
公开(公告)号：CN116432039B
公开(公告)日：2023-09-05
申请号：CN202310702653.3
申请日：2023-06-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/213
Abstract: 本说明书实施例披露一种协同训练方法及装置，以及一种业务预测方法及装置。协同训练方法由第一方执行，包括：先利用第一方部署的第一预测模型中的第一嵌入层处理训练样本的第一特征部分，得到第一嵌入表征，并从第二方接收第二嵌入表征，其由第二方利用第二预测模型中的第二嵌入层处理训练样本的第二特征部分而得到；再利用第一预测模型中的第一预测层处理第一嵌入表征和第二嵌入表征的第一融合表征，得到第一预测结果，并从第二方接收第二预测结果，其由第二方利用第二预测模型对训练样本进行预测而得到；之后基于第一预测结果、第二预测结果和训练样本的真实标签，训练第一预测模型。上述业务预测方法由第一方基于训练好的第一预测模型而执行。
-
公开(公告)号：CN116644802A
公开(公告)日：2023-08-25
申请号：CN202310889891.X
申请日：2023-07-19
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模型训练方法及装置，涉及计算机技术领域。该方法包括：采集样本数据；将所述样本数据输入第一初始模型，得到所述样本数据对应的损失函数，所述第一初始模型为部署于所述端节点上的待训练模型；根据所述损失函数，计算所述样本数据对应的梯度；将所述梯度上传至边缘节点，以使所述边缘节点根据所述梯度更新第二初始模型中的参数，得到最终模型，所述第二初始模型为部署于所述边缘节点上的所述待训练模型。本说明书提供的方案能够在模型的训练过程能够充分利用各个节点上的计算算力和网络带宽，同时保证模型的地域性和时效性。
-
Patent Agency Ranking
公开(公告)号：CN116628348A
公开(公告)日：2023-08-22
申请号：CN202310893802.9
申请日：2023-07-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F9/50
Abstract: 本申请涉及人工智能技术领域，具体提供了一种业务推荐的系统、方法、装置、电子设备及存储介质。一种业务推荐的方法，包括将业务操作数据发送给数据服务器；接收数据服务器基于业务操作数据返回的目标嵌入层特征；采用预先训练好的业务推荐目标模型，基于业务操作数据以及目标嵌入层特征，生成业务推荐数据；基于业务推荐数据，执行业务推荐操作。本申请实施例中，在终端设备资源有限的情况下，通过数据服务器进行复杂的数据处理操作，减少了终端设备数据处理耗费的资源，提高了业务推荐效率，以及可以采用复杂度高的业务推荐目标模型进行业务推荐，提高了业务推荐的准确度。
-
公开(公告)号：CN116610869A
公开(公告)日：2023-08-18
申请号：CN202310862674.1
申请日：2023-07-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/9538 , G06N20/00
Abstract: 本说明书一个或多个实施例提供一种推荐内容管理方法及装置、电子设备及存储介质，所述方法包括：向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应；根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
-
公开(公告)号：CN116596065A
公开(公告)日：2023-08-15
申请号：CN202310848180.8
申请日：2023-07-12
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请公开了一种梯度计算方法、装置、存储介质、产品及电子设备，其中，方法包括：边缘侧接收客户端发送的预设个数的梯度数据，所述梯度数据为所述客户端在对模型进行训练过程中所获取的，对所述预设个数的梯度数据进行平均计算处理，获得平均梯度数据，将所述平均梯度数据发送至云端，云端接收边缘侧发送的平均梯度数据，将所述平均梯度数据发送至所述客户端，指示所述客户端对所述模型进行参数调整。
-
公开(公告)号：CN120068851A
公开(公告)日：2025-05-30
申请号：CN202510126462.6
申请日：2025-01-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/279 , G06N5/04
Abstract: 本说明书实施例提供了一种对大语言模型进行微调的方法，包括：确定第一问题，和针对所述第一问题的第一答案，其中，第一答案根据文档集合的内容经第一推理得到，第一推理包括，文档过滤、文档组合以及递推推理；将第一微调指令输入大语言模型，第一微调指令包括第一问题，文档集合，并指示大语言模型进行逐步推理，输出以第一标记标注的推理过程和以第二标记标注的推理答案；根据大语言模型输出的推理过程和推理答案，以及监督文本，对大语言模型进行微调，监督文本包括，以第一标记标注的第一推理文本，和以第二标记标注的第一答案。
-
公开(公告)号：CN117350405A
公开(公告)日：2024-01-05
申请号：CN202311483682.1
申请日：2023-11-08
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
Abstract: 本公开提供一种联邦学习方法、服务端设备、客户端设备及系统，服务端设备根据获得的至少部分客户端设备的第i轮客户端梯度数据确定第i轮全局网络模型，并根据第i轮全局网络模型、以及服务端设备存储的任意客户端设备的第i轮局部网络模型，确定针对任意客户端设备的第i+1轮服务端梯度数据，以向任意客户端设备发送该第i+1轮服务端梯度数据，一方面，根据部分客户端设备的客户端梯度数据实现迭代更新，可以实现异步联邦学习，从而减少服务端设备的等待时间，提高联邦学习的效率；另一方面，服务端设备向客户端设备发送服务端梯度数据，可以减少服务端设备与客户端设备之间交互的信息的数据量，从而减少通信资源的消耗。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.036 seconds)
