-
公开(公告)号:CN110866190B
公开(公告)日:2021-05-14
申请号:CN201911127100.X
申请日:2019-11-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06N3/02
Abstract: 本说明书实施例提供一种训练用于表征知识图谱的图神经网络模型的方法和装置,其中方法包括,从知识图谱中获取三元组,其中包括第一节点,第二节点,以及从第一节点指向第二节点的第一连接边;然后,在边嵌入层,根据第一连接边对应的关系类型以及边属性特征,确定对应的第一边向量;在节点嵌入层,分别将第一节点和第二节点作为目标节点,根据目标节点的节点属性特征,以及目标节点的邻居节点集,进行多级向量嵌入,从而分别得到与第一节点和第二节点对应的第一高阶向量和第二高阶向量。接着,根据第一高阶向量、第二高阶向量和第一边向量,确定第一节点通过第一连接边连接到第二节点的概率,以最大化概率为目标,更新边嵌入层和节点嵌入层。
-
公开(公告)号:CN111814921B
公开(公告)日:2020-12-18
申请号:CN202010922527.5
申请日:2020-09-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种对象特征信息获取、对象分类、信息推送方法及装置。在确定对象的特征信息时,从N个时刻的N个关系网络中分别确定第一节点的多个邻居节点,得到N个邻居节点组,并基于每个时刻对应的邻居节点组以及第一节点的节点特征,确定第一节点在各个时刻的空间聚合特征;将N个时刻的N个空间聚合特征按照时间顺序以序列的方式输入序列神经网络,分别得到第一节点在N个时刻的N个时空表达;对N个时空表达进行聚合,得到第一节点的时空聚合特征,作为第一节点代表的第一对象的特征信息。
-
公开(公告)号:CN111737546A
公开(公告)日:2020-10-02
申请号:CN202010724053.3
申请日:2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/906 , G06F16/35 , G06K9/62 , G06N3/04
Abstract: 本说明书实施例提供一种确定实体业务属性的方法,一方面,利用时序神经网络处理待预测实体在不同历史时间点的表达向量,考虑待预测实体状态的时序特征,另一方面,单个历史时间点的表达向量基于按照相应的实体状态确定的关系网络,进行邻居节点的节点向量聚合,充分考虑与预测实体相关联的其他实体对预测实体状态的影响,从而对预测实体产生具有更好的表达能力的表达向量。通过这种对具有更好的表达能力的表达向量的分析,可以提高对实体的预定业务属性预测的准确度。
-
公开(公告)号:CN111259931A
公开(公告)日:2020-06-09
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:CN111222026A
公开(公告)日:2020-06-02
申请号:CN202010023203.8
申请日:2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/906 , G06N3/04
Abstract: 本说明书实施例公开了一种用户类别识别模型的训练方法和用户类别识别方法,训练方法包括:将样本用户的联系人列表输入用户类别计算模型,以生成样本用户属于预设类别的概率。将样本用户对应的软件特征,和样本用户属于预设类别的概率,输入用户类别识别模型,以生成样本用户的识别结果。根据样本用户的识别结果和样本用户的类别标签,对用户类别识别模型中的参数,以及样本用户的常用软件列表中每个常用软件对应的软件特征进行优化。当满足预设条件时,完成对用户类别识别模型的训练。由此,使得训练完的用户类别识别模型能够在用户信息不充分的情况下,基于待识别用户的联系人列表和对应的软件特征,实现用户类别识别。
-
公开(公告)号:CN111210279A
公开(公告)日:2020-05-29
申请号:CN202010021082.3
申请日:2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本发明提供一种目标用户预测方法、装置和电子设备;所述方法包括:获取用户介质网络图;所述用户介质网络图包括:表示用户的用户节点、表示介质的介质节点,以及连接用户节点和介质节点以表示用户与介质存在对应关系的边;其中,部分所述用户节点关联有用于表示目标用户的标签;将所述用户介质网络图输入图注意力网络模型,得到所述用户节点与所述介质节点间的影响度;根据所述影响度,重构所述用户介质网络图;并迭代训练图注意力网络模型,并在迭代结束时获得待预测用户介质网络图和训练后的图注意力网络模型;根据所述待预测用户介质网络图和所述训练后的图注意力网络模型,得到目标用户预测结果。
-
公开(公告)号:CN119990280A
公开(公告)日:2025-05-13
申请号:CN202510125434.2
申请日:2025-01-26
Applicant: 浙江大学 , 支付宝(杭州)信息技术有限公司
IPC: G06N5/022 , G06F40/289 , G06N3/045 , G06N3/0895 , G06F40/30 , G06F40/186
Abstract: 本说明书的一个或多个实施例涉及一种模型知识编辑方法、装置、计算设备和计算机程序产品。该方法包括基于第一提示词,获取模型的第一输出结果,第一提示词与模型的本体知识库中的领域分支概念相关联。该方法还包括基于第二提示词,获取模型的第二输出结果,第二提示词基于第一提示词和与领域分支概念相关联的本体知识而生成。该方法还包括确定第一输出结果和第二输出结果不一致。此外,该方法还包括至少基于第一提示词和第二输出结果训练模型。
-
公开(公告)号:CN119441387A
公开(公告)日:2025-02-14
申请号:CN202411449925.4
申请日:2024-10-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/33 , G06F16/387 , G06F16/35 , G06N5/04
Abstract: 本说明书提供了一种文档检索方法及相关设备。该方法包括:获取用户输入的查询文本,所述查询文本中包含作为查询条件的时间信息;将所述查询文本输入至文本检索器,由所述文本检索器从文档库包含的多个文档中检索出与所述查询文本相匹配的至少一个候选文档;其中,所述文本检索器为基于预先构建的训练样本,对初始的文本检索器进行训练后得到的文本检索器;所述训练样本包含问题样本以及与所述问题样本的答案对应的文档,所述问题样本中包含时间信息;基于所述至少一个候选文档,推理出与所述查询文本对应的查询结果。
-
公开(公告)号:CN114840342B
公开(公告)日:2025-01-24
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。
-
公开(公告)号:CN113822371B
公开(公告)日:2024-11-22
申请号:CN202111163343.6
申请日:2021-09-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2415 , G06F18/214 , G06Q10/04 , G06N3/0455 , G06N3/047 , G06N3/0442 , G06N3/045
Abstract: 本说明书实施例提供了训练分组模型,以及对时序数据进行分组的方法。训练分组模型的方法包括以下步骤:获取时序样本集,其中任意样本包括,单个业务对象在n个时段的n个指标值构成的序列。将上述样本输入分组模型,得到该样本分属于K个分组的预测概率分布。此外,还将该样本分别输入与K个分组对应的K个解码网络,得到K个重构样本。于是,可以根据样本集中各个样本的预测概率分布与预设的先验分布,确定总分布损失;并根据各个样本分别对应的K个重构样本,以及预测概率分布,确定总重构损失。然后根据总分布损失和总重构损失,训练分组模型和K个解码网络。在训练之后,可以利用训练好的分组模型,对微观时序样本进行分组。
-
-
-
-
-
-
-
-
-