-
公开(公告)号：CN117370663A
公开(公告)日：2024-01-09
申请号：CN202311369866.5
申请日：2023-10-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F18/214
Abstract: 本说明书的实施例提供一种推荐模型的训练方法、推荐方法及电子设备，其中，所述训练方法包括：获得多个初始样本，每个所述初始样本包括样本用户按照时间顺序先后交互的多个项目；基于所述多个初始样本从至少两个对比维度构建得到对比样本集合，其中，所述至少两个对比维度包括：项目相关性对比维度和序列周期性对比维度；进而，从所述至少两个对比维度对所述多个初始样本和所述对比样本集合进行对比学习以得到所述推荐模型，所述推荐模型具有捕获用户交互行为的发散周期性的能力。
-
公开(公告)号：CN116821496A
公开(公告)日：2023-09-29
申请号：CN202310780087.8
申请日：2023-06-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/0601 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供了一种基于图神经网络的推荐方法和装置，图神经网络包括多个网络层，各网络层包括注意力层和图卷积层，该方法的一具体实施方式包括：获取预先构建的关系图；通过图神经网络对关系图进行表征处理，其中在任意当前网络层中：采用注意力层，对第一物品节点及其沿元路径的邻居节点的已有表征向量进行基于注意力的聚合处理，得到第一物品节点在当前网络层的表征向量；在图卷积层，对第一用户节点和其连接的相邻物品节点的已有表征向量进行卷积处理，得到第一用户节点在当前网络层的表征向量；将最后一个网络层输出的第一用户节点和第一物品节点各自的表征向量输入预测网络，得到为第一用户推荐第一物品的推荐度预测结果。
-
公开(公告)号：CN115618235A
公开(公告)日：2023-01-17
申请号：CN202211390418.9
申请日：2022-11-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种推荐模型的训练方法及装置，模型包括第一图神经网络、N个并行设置的专家网络和若干个推荐任务各自对应的门控网络和预测网络，该方法包括：获取二部图和标签集；利用第一图神经网络处理二部图，得到其中目标用户的第一用户表征和目标对象的第一对象表征；利用各专家网络，并行处理目标用户的用户特征和目标对象的对象特征，得到各专家输出表征；通过组合操作确定各预测网络的输入，使得各预测网络产生对应推荐任务的预测数据；组合操作包括基于对应门控网络的输出，组合各专家输出表征、第一用户表征和第一对象表征；利用各推荐任务对应的预测数据及标签集中各推荐任务对应的标签数据，训练推荐模型。
-
公开(公告)号：CN114781625B
公开(公告)日：2022-09-23
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。
-
公开(公告)号：CN114840342A
公开(公告)日：2022-08-02
申请号：CN202210519426.2
申请日：2022-05-13
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资源调配方法、装置以及设备，属于机器学习技术领域。方案包括：确定确定与可用资源相关的业务属性，并待预测的用于描述所述业务属性变化情况的宏观时间序列所对应的多个微观时间序列；对所述多个微观时间序列进行聚类，得到多个微观时间序列组；分别对各所述微观时间序列组进行预测，得到各所述微观时间序列组的预测值；根据各所述微观时间序列组的预测值，预测得到所述宏观时间序列的预测值；根据所述宏观时间序列的预测值，向所述业务属性对应的业务调配所述可用资源。
-
Patent Agency Ranking
公开(公告)号：CN114819139A
公开(公告)日：2022-07-29
申请号：CN202210315789.4
申请日：2022-03-28
Applicant: 支付宝(杭州)信息技术有限公司 , 中国人民大学
Abstract: 本说明书实施例提供一种图神经网络的预训练方法及装置，获取业务关系图的图集合，各业务关系图中的节点表示业务对象，连接边表示业务关联关系；图集合包括第一图和目标图，第一图和目标图基于同一样本业务关系图分别进行预设增强处理而得到；针对第一图，分别将图集合中各其他图作为第二图，利用图神经网络进行图间匹配表征，图间匹配表征包括，基于第一图自身，结合来自第二图的节点信息，确定该第一图的第一图表征，用于表示第一图相对于第二图的业务结构关联；基于第二图自身，结合来自第一图的节点信息，确定该第二图的第二图表征；至少基于将目标图作为第二图时得到的第一图表征和第二图表征，确定第一损失；根据第一损失，训练图神经网络。
-
公开(公告)号：CN114781488A
公开(公告)日：2022-07-22
申请号：CN202210295588.2
申请日：2022-03-24
Applicant: 支付宝(杭州)信息技术有限公司 , 中国人民大学
IPC: G06K9/62
Abstract: 本说明书实施例公开了一种样本生成方法、装置以及设备。方案包括：根据物品特征，以及用户对物品特征的注意力特征，通过模型预测第一样本用户对第一物品的第一偏好分和对第二物品的第二偏好分，第一偏好分高于第二偏好分；根据设定的注意力扰动参数，对第一样本用户的注意力特征进行调整，并根据调整后的注意力特征，对第一偏好分和第二偏好数据进行更新；以减小更新后的第一偏好分与第二偏好分之间的差距为目标，学习注意力扰动参数的目标取值；在目标取值下，若更新后的第一偏好分低于第二偏好分，则根据调整后的注意力特征，生成第二样本用户，用于训练模型。
-
公开(公告)号：CN111259931B
公开(公告)日：2022-06-28
申请号：CN202010021127.7
申请日：2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例公开了一种用户分组及活跃度确定方法。所述用户活跃度确定方法包括：分别获取多个用户的特征数据；基于用户的第一属性，将所述多个用户划分为至少一个群组；对于每个群组，利用聚类算法至少基于用户的特征数据，确定对应于每个用户的聚类簇；对于每一个聚类簇，获取该聚类簇中的用户在预设时间段内产生的交互数据以确定用户的活跃度。本说明书将多个用户划分为聚类簇，可以较为精确的确定存在交互行为的多个用户的各自的活跃度。
-
公开(公告)号：CN113487163A
公开(公告)日：2021-10-08
申请号：CN202110741178.1
申请日：2021-06-30
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基于地理位置信息进行业务预测的方法及装置，在进行业务预测的方法中，获取用户的当前位置。确定该当前位置在层次编码方式下的目标位置编码。之后，针对该目标位置编码，利用滑动窗口提取对应的编码片段序列。将编码片段序列输入基于时序的神经网络模型，得到对应的特征向量。最后，至少将该特征向量输入业务预测模型，得到业务预测结果。
-
公开(公告)号：CN113408706A
公开(公告)日：2021-09-17
申请号：CN202110747531.7
申请日：2021-07-01
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训练用户兴趣挖掘模型、用户兴趣挖掘的方法和装置，方法包括：获取多个样本用户构成的关系网络图，关系网络图中具有社交关系的两个样本用户之间具有连接边；根据用户的行为日志特征，确定其初始用户表征向量；将多个样本用户分别对应的初始用户表征向量和关系网络图输入所述图神经网络，得到目标用户的融合用户表征向量；将多个样本用户分别对应的融合用户表征向量输入兴趣分布预测网络，得到各样本用户分别对应的兴趣分布参数；调整网络参数，使得兴趣分布参数所表征的预测兴趣分布与已知的用户兴趣先验分布之间的分布差异减小。对于不活跃的用户，也能有效挖掘用户兴趣。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.066 seconds)
