-
公开(公告)号：CN119990374A
公开(公告)日：2025-05-13
申请号：CN202510072358.3
申请日：2025-01-16
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了一种混合专家模型的数据路由方法及装置，其获取混合专家模型对于待路由数据的原始路由矩阵；该原始路由矩阵中各个元素为混合专家模型中各个专家子模型对于待路由数据的原始路由参数；在当前训练步数不大于预设步数的情况下，也即在模型训练初期，不再直接根据原始路由矩阵对待路由数据进行路由，而是先根据原始路由矩阵确定对应的随机路由矩阵；该随机路由矩阵中各个元素为与各个所述原始路由参数对应的随机路由参数；然后根据该随机路由矩阵对待路由数据进行路由，以确定将待路由数据输入哪一个或几个专家子模型。
-
公开(公告)号：CN113221533B
公开(公告)日：2024-07-05
申请号：CN202110475145.7
申请日：2021-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/205 , G06F40/30 , G06F16/35 , G06N20/00 , G06F16/683
Abstract: 本说明书实施例公开了一种针对体验声音的标签提取方法、装置以及设备。方案包括：获取体验声音对应的待处理文本；获取根据训练语句及其重点内容标注训练过的识别模型，其中，识别模型包含用于将训练语句切分字符后并行输入的多个单字符输入节点，以及对应的多个输出节点，在训练的过程中，输入同一训练语句的多个单字符输入节点对应的一部分输出节点被屏蔽；将待处理文本切分字符并对应地输入识别模型，以识别得到待处理文本中的重点语句；根据重点语句，提取标签。
-
公开(公告)号：CN114092097B
公开(公告)日：2024-05-24
申请号：CN202111396497.X
申请日：2021-11-23
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涉及数据处理技术领域，尤其涉及一种风险识别模型的训练方法、交易风险确定方法及装置。该方法包括：获取训练样本，训练样本包括第一交易的意愿标签、风险标签以及多个特征；将多个特征输入风险识别模型进行预测处理，预测处理包括，在特征处理网络，对多个特征进行特征交叉处理，得到表征向量；在第一识别层，基于对表征向量的第一处理结果，确定第一交易的意愿度；在第二识别层，基于对表征向量的第二处理结果，确定第一交易的风险度；在预测损失减小的方向，更新风险识别模型的参数，其中预测损失包括第一损失和第二损失，第一损失基于意愿度和意愿标签确定，第二损失基于风险度和风险标签确定。
-
公开(公告)号：CN117668193A
公开(公告)日：2024-03-08
申请号：CN202311670108.7
申请日：2023-12-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06Q40/00
Abstract: 本说明书的实施例提供了一种用于处理用户对话的方法和装置、用于辅助催收的方法和装置。在该用于处理用户对话的方法中，获取目标用户的当前对话记录，其中，当前对话记录包括截至该目标用户的本轮用户语句的对话历史，每一轮对话包括业务方的语句和该目标用户的用户语句；利用用户特征挖掘模型根据该当前对话记录得到对应的用户特征描述文本；再利用业务响应模型根据该当前对话记录和所得到的用户特征描述文本得到针对该当前对话记录的当前响应信息，以实现业务目标。
-
公开(公告)号：CN113256300B
公开(公告)日：2023-04-07
申请号：CN202110582927.0
申请日：2021-05-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例提供了一种交易的处理方法及装置，该方法包括：接收第一用户的交易请求；其中，该交易请求指示第一用户与第二用户进行交易；获取与上述交易请求相关联的历史记录数据；根据该历史记录数据，采用机器学习模型预测上述交易是否为可信交易；其中，该交易被判定为可信交易的条件包括该交易不存在囤号风险；其中，上述历史记录数据包括以下数据中的至少一种：第一用户的历史点击行为序列数据、第一用户的交易关系数据、第二用户的交易关系数据，以及第一用户与第二用户之间的历史交易数据。
-
Patent Agency Ranking
公开(公告)号：CN113297396B
公开(公告)日：2022-05-20
申请号：CN202110824981.1
申请日：2021-07-21
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联邦学习的模型参数更新方法、装置及设备，其中，该方法包括：接收联邦学习服务端下发的针对目标图神经网络模型的模型参数更新指令，所述模型参数更新指令携带有第一共享参数，所述目标图神经网络模型为多个所述联邦学习客户端的共有模型；基于所述第一共享参数、本地存储的第一独立参数，以及由本地用户私有数据构建的图谱数据，对所述目标图神经网络模型进行训练，得到训练后的所述目标图神经网络模型的模型参数；将所述第二共享参数发送给所述联邦学习服务端，以使所述联邦学习服务端基于多个联邦学习客户端发送的第二共享参数，对所述目标图神经网络模型的第一共享参数进行更新处理。
-
公开(公告)号：CN111461753B
公开(公告)日：2022-05-17
申请号：CN202010302538.3
申请日：2020-04-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/00 , G06F16/35 , G06F16/332
Abstract: 本说明书实施例提供一种智能客服场景中的知识点召回方法及装置，在召回方法中，获取分层可导航小世界图HNSW，该HNSW包括上下排列的多层NSW。获取待召回知识点的用户问句，并确定用户问句的句子向量。从最上层NSW开始，按照从上到下的顺序对各层NSW进行层搜索。该层搜索包括：根据当前层NSW所包含的节点的连接关系，从其所包含的节点中，搜索距离句子向量最近的第一节点，经由该第一节点进入下一层NSW，直至到达最下层NSW。在最下层NSW中，根据N个节点的连接关系，从中搜索距离句子向量最近的目标节点。将目标节点所代表的类簇中心对应的知识点类簇作为目标类簇，并从归属于目标类簇的各知识点标题对应的知识点中，召回与用户问句相匹配的知识点。
-
公开(公告)号：CN111291166B
公开(公告)日：2020-11-03
申请号：CN202010384255.8
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 刘佳
IPC: G06F16/33 , G06F16/332 , G06F16/35 , G06F40/289 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种基于Bert的语言模型的训练方法，该方法中包括：首先，获取历史会话样本，其中包括某次业务会话产生的多条对话语句和对应的类别标签，该类别标签指示通过该某次业务会话是否达到业务目的；接着，基于上述多条对话语句，确定语义符号序列，并将该语义符号序列输入所述语言模型中，得到整体语义向量；然后，将该整体语义向量输入业务会话分类模型中，得到预测分类结果；最后，基于该预测分类结果和上述类别标签，调整上述业务会话分类模型和语言模型的模型参数。如此，通过将判断多轮对话的目的是否达成为训练任务，可以提高训练出的语言模型对多轮对话的语义理解深度和广度。
-
公开(公告)号：CN111339309B
公开(公告)日：2020-09-04
申请号：CN202010440488.5
申请日：2020-05-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F16/33 , G06F16/332
Abstract: 本说明书的实施例公开了一种用户意图的语料扩展方法，该方法包括：获取第一服务话术和用户意图，所述用户意图为回答所述第一服务话术的话语所代表的意图；从至少一条第二服务话术中，确定与所述第一服务话术的相似度满足第一预设条件的至少一条第三服务话术，所述第二服务话术为对话记录中的服务话术；确定至少一条候选扩展语料，所述候选扩展语料为所述对话记录中回答所述至少一条第三服务话术的话语；从所述至少一条候选扩展语料中，确定至少一条目标扩展语料，所述目标扩展语料的意图与所述用户意图相同或者相近；将所述至少一条目标扩展语料作为所述用户意图的扩展语料。
-
公开(公告)号：CN111522937A
公开(公告)日：2020-08-11
申请号：CN202010409704.X
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F40/284 , G06F40/126 , G06F40/30 , G06F40/205 , G06Q30/00
Abstract: 本说明书实施例提出了一种话术推荐方法、装置和电子设备，其中，上述话术推荐方法中，获取当前对话中用户输入的对话上文之后，可以对上述对话上文进行词编码，获得上述对话上文对应的词向量；然后通过神经网络对上述词向量进行特征表示，获得上述词向量对应的特征向量，通过预先训练的话术推荐模型对上述特征向量进行分类，获得上述特征向量分类到每个种子话术的置信度；最后，根据上述置信度选择种子话术，并在当前对话中推荐所选择的种子话术。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.05 seconds)
