公开(公告)号：CN118132681A

公开(公告)日：2024-06-04

申请号：CN202410547438.5

申请日：2024-04-30

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵登 ,  石磊 ,  张志强 ,  顾进杰 ,  周俊

IPC: G06F16/33 ,  G06F16/36 ,  G06N5/022

Abstract: 本说明书实施例提供一种医疗知识图谱查询中对多个查询结果的排序方法和装置。方法包括：根据查询请求从医疗知识图谱中提取目标子图；其中，目标子图包括多个类别的输入节点和多个结果节点，输入节点对应于查询请求中携带的输入医疗实体，结果节点对应于医疗相关查询结果；确定各个类别的反映其通用贡献的第一指标分数，第一指标分数与对应类别中各输入节点在医疗知识图谱中关联的结果节点数目负相关；针对任意的目标结果节点，根据各个类别的输入节点中与该目标结果节点的关联节点数目，确定各个类别的反映其对该目标结果节点贡献度的第二指标分数；根据各个类别的第一指标分数和第二指标分数，确定目标结果节点的排序分数。

公开(公告)号：CN118095450A

公开(公告)日：2024-05-28

申请号：CN202410521286.1

申请日：2024-04-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 晏晓东 ,  赵登 ,  张志强 ,  顾进杰 ,  周俊

IPC: G06N5/045 ,  G06N5/046 ,  G06N5/02 ,  G06F40/295 ,  G06F16/36

Abstract: 本说明书提供了一种基于知识图谱的医疗LLM模型推理方法及相关设备。知识图谱包含多个节点和连接节点的边，节点代表实体，边代表实体之间的关系。该方法包括：获取用户输入的目标文本，确定目标文本中是否包含与知识图谱中的节点对应的实体；如果是，则在知识图谱中查找出与所述实体相关的子图；获取保存的用户在所述目标文本之前输入的历史文本，并基于历史文本中包含的用户信息，对子图中包含的属性与所述用户信息不匹配的边进行裁剪，得到目标子图；根据目标子图和目标文本构建提示词，并将所述提示词输入至第一LLM模型中，由所述第一LLM模型基于所述提示词执行逻辑推理，并输出与所述目标文本对应的推理结果。

公开(公告)号：CN117909592A

公开(公告)日：2024-04-19

申请号：CN202410124852.5

申请日：2024-01-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 胡斌斌 ,  田长鑫 ,  刘子奇 ,  张志强 ,  周俊

IPC: G06F16/9535 ,  G06F18/22 ,  G06F18/25 ,  G06N5/04

Abstract: 本说明书实施例提供一种序列推荐方法和装置。方法包括：获取目标用户的历史交互的各个对象按照时间先后顺序构成的历史对象序列；根据历史对象序列，构建目标提示信息；用于提示向所述目标用户推荐目标对象及其理由；将目标提示信息输入第一语言模型，通过第一语言模型输出目标推荐理由；基于目标推荐理由的文本编码向量，确定目标用户的用户表征；基于对象集合中的任一待推荐对象的文本编码向量，确定该待推荐对象的对象表征；将用户表征和对象集合中的任一待推荐对象的对象表征输入匹配模型，得到二者的匹配分数，并根据匹配分数，从对象集合中选择一个待推荐对象作为向目标用户推荐的目标对象。能够提升推荐的准确性。

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

Inventor： 田长鑫 ,  胡斌斌 ,  刘子奇 ,  张志强 ,  周俊

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

Inventor： 钱浩 ,  谈志文 ,  张志强 ,  周俊

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

Inventor： 胡斌斌 ,  张志强 ,  周俊

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

Inventor： 胡斌斌 ,  周俊 ,  张志强

IPC: G06N3/04 ,  G06N3/08

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

Inventor： 魏建平 ,  朱志博 ,  刘子奇 ,  张志强 ,  周俊

IPC: G06F9/50 ,  G06K9/62

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。

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

Inventor： 赵鑫 ,  侯宇蓬 ,  胡斌斌 ,  张志强 ,  周俊

IPC: G06N3/08 ,  G06N3/04

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

Inventor： 赵鑫 ,  陈旭 ,  胡斌斌 ,  张志强 ,  周俊

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。