-
公开(公告)号：CN115964211A
公开(公告)日：2023-04-14
申请号：CN202211698053.6
申请日：2022-12-28
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根因定位方法、装置、设备和可读介质。方案可以包括：首先，对于异常的目标指标，使用目标指标对应的时序数据以及目标指标相关联的候选指标对应的时序数据来训练线性回归模型，得到模型回归系数，以便根据模型回归系数从与目标指标相关联的各候选指标中筛选出可能的根因指标；然后，采用归因分析的方法计算各个可能的根因指标的归因分数，以便根据归因分数从可能的根因指标中确定出根因指标。根据本说明书实施例的根因定位方法，准确性高且可解释性强。
-
公开(公告)号：CN115712526A
公开(公告)日：2023-02-24
申请号：CN202211480620.0
申请日：2022-11-24
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预测模型，以及使用该模型预测资源使用量的方法。预测模型的过程可以包括，获取服务器集群中目标服务器在历史时段中对处理资源的目标使用量，以及该目标服务器中的多个数据副本对应的多条流量数据，其中任意数据副本对应的流量数据包括，对应租户在所述历史时段中访问与该数据副本对应的数据而产生的流量信息。将各条流量数据输入预测模型，得到各个数据副本对所述处理资源的预测使用量；将各个预测使用量之和，作为预测总使用量。根据目标使用量和所述预测总使用量，确定预测损失，以预测损失最小化为目标，更新所述预测模型。
-
公开(公告)号：CN115617609A
公开(公告)日：2023-01-17
申请号：CN202211275113.3
申请日：2022-10-18
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监控数据的处理方法及装置。所述方法包括：获取关键监控指标的时间序列与多个候选监控指标的时间序列；采用启发式算法，将所述关键监控指标的时间序列与所述多个候选监控指标的时间序列作为输入数据，输入至预设的作为目标函数的凸函数进行最优化求解，以得到表征所述关键监控指标的时间序列与所述多个候选监控指标中的各个候选监控指标的时间序列之间是否存在线性关系的整点系数；根据所述整点系数，从所述多个候选监控指标中确定与所述关键监控指标存在线性关系的候选监控指标。通过以上实施例，在监控数据包括海量监控指标的场景中，可以节约人力成本和时间成本，提高挖掘效率。
-
公开(公告)号：CN115526402A
公开(公告)日：2022-12-27
申请号：CN202211215171.7
申请日：2022-09-30
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指标预测方法、装置、电子设备及存储介质。所述方法包括：获取目标指标序列，目标指标序列包括预设服务在M个时间点的M个指标值；获取与目标指标序列所属指标对应的目标权重向量；任一指标对应的权重向量用于表征该指标在时序上的变化特点；利用预先训练好的指标预测模型，对携带有各个指标值对应的协变量和位置向量的目标指标序列和目标权重向量进行处理，获取在未来的N个时间点的N个预测指标值；其中，M、N为大于1的整数。本实施例实现基于不同指标对应的权重向量，通过一个指标预测模型对属于不同指标的指标序列进行预测。
-
公开(公告)号：CN115359654A
公开(公告)日：2022-11-18
申请号：CN202210924959.9
申请日：2022-08-02
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流量预测系统的更新方法及装置。其中流量预测系统包括图生成模块、时序网络和两个图神经网络，该方法包括：先基于图生成模块中用于表征N个对象节点的节点表征参数生成第一图结构数据，其指示挖掘出的节点间连接关系；再利用第一图神经网络处理第一图结构数据和节点流量数据，得到N个第一节点嵌入表征，并利用第二图神经网络处理预先构建的第二图结构数据和所述节点流量数据，得到N个第二节点嵌入表征；之后，利用时序网络处理所述节点流量数据，以及对上述两部分节点嵌入表征进行融合处理而得到的融合表征矩阵，得到各个对象节点在节点流量数据之后时刻下的预测流量值，用于结合真实流量值更新流量预测系统中的参数。
-
Patent Agency Ranking
公开(公告)号：CN114995996A
公开(公告)日：2022-09-02
申请号：CN202210450181.2
申请日：2022-04-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F9/50
Abstract: 本说明书的实施例提供了一种用于生成线程池的配置信息的方法、任务处理方法和装置。在该用于生成线程池的配置信息的方法中，获取目标应用的接口集中各个接口的历史耗时数据；根据各个接口的历史耗时数据，确定各个接口的接口耗时阈值，各个接口的接口耗时阈值用于判定线程在被该接口调用时的超时风险；以及根据各个接口的接口耗时阈值，生成该目标应用所对应的线程池的配置信息，该线程池包括经由各个接口创建的线程，并且该配置信息包括各个接口的标识及对应的接口耗时阈值。
-
公开(公告)号：CN114924780A
公开(公告)日：2022-08-19
申请号：CN202210539375.X
申请日：2022-05-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的实施例提供应用系统参数的正则表达式生成方法和合法性校验方法及装置。在为应用系统的参数生成正则表达式时，从应用系统的历史应用程序实现中获取各个方法代码块中的各个参数的参数值。针对每个方法代码块中的各个参数，分别从对应的参数值中提取出共性信息。随后，针对各个方法代码块中的各个参数，分别根据所提取的共性信息生成对应的正则表达式。
-
公开(公告)号：CN119556911A
公开(公告)日：2025-03-04
申请号：CN202411612892.0
申请日：2024-11-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F8/35 , G06N5/048 , G06F16/334 , G06F40/126 , G06F40/166
Abstract: 本说明书实施例提供了一种基于代码图的代码生成方法，包括：接收针对代码仓库中代码的第一问题文本。根据所述第一问题文本，在预先构建的代码图中进行相关性检索，确定第一上下文子图，所述代码图包含代表所述代码仓库中代码元素的节点，以及代表节点之间代码关系的有向边。对所述第一上下文子图进行图表征处理，得到各个节点映射至大语言模型嵌入空间的映射表征。在所述大语言模型的嵌入层中，将所述第一问题文本进行编码，得到文本表征。在所述大语言模型的推理层中，基于所述映射表征和所述文本表征进行目标推理，得到针对所述第一问题文本的目标代码文本。
-
公开(公告)号：CN114399027B
公开(公告)日：2025-01-03
申请号：CN202210005134.7
申请日：2022-01-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/0464 , G06Q10/04 , G06Q10/063
Abstract: 本说明书实施例提供一种利用神经网络进行序列处理的方法以及序列处理的装置，在序列处理的方法中，在生成层，获取按时间排序的业务指标值形成的指标序列所对应的原始向量序列，针对该原始向量序列迭代执行多层级的向量聚合，得到对应于不同时间尺度的多层级的处理向量序列，原始向量序列和各处理向量序列中的各个向量，形成多层级的树形关系图。在注意力层，根据树形关系图，确定输入的任一目标向量的关联向量，根据关联向量对目标向量进行基于注意力机制的加权综合处理，得到对应的更新向量；该更新向量用于确定指标序列的特征表示。
-
公开(公告)号：CN119166820A
公开(公告)日：2024-12-20
申请号：CN202411329495.2
申请日：2024-09-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F16/33 , G06N3/0455 , G06N3/084
Abstract: 本说明书实施例提供一种文本分类模型的训练、文本分类方法及装置，在文本分类模型的训练方法中，获取训练集，将任意的第一训练文本输入文本分类模型，通过其中的主分类网络和m个附加分类网络分别得到1个主概率和m个附加概率。根据各训练文本各自的m个附加概率，从训练集中选取出各确信文本形成确信集。基于各确信文本的预测损失，从确信集中逐类别选取对应数目阈值的目标文本，形成第一干净集，基于确信集中除目标文本外的其他确信文本形成第一噪声集。利用大模型，基于第一干净集，获得各第一噪声文本的预测标签。根据各第一噪声文本及其预测标签，以及各第一干净文本及其类别标签，训练文本分类模型。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.038 seconds)
