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

Inventor： 袁搏 ,  张奇 ,  陈玉林 ,  张引 ,  蒋炜 ,  李建国

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。

公开(公告)号：CN118819771A

公开(公告)日：2024-10-22

申请号：CN202410797672.3

申请日：2024-06-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 程珂 ,  胡文 ,  王智 ,  彭宏恩 ,  李建国

IPC: G06F9/48

Abstract: 本说明书实施例提供一种针对大模型的请求调度方法及装置，在调度方法中，从请求池获取针对大模型的请求序列，其中大模型配置为，单次处理的输出长度为预定长度S。根据预定长度S，确定请求序列中各子序列的预计处理时长。根据预计处理时长，将请求序列中的请求划分为多个批次。将多个批次的请求，分别批量调度至多个推理引擎，进行基于大模型的单次处理，并将处理未完成的请求更新后返回请求池。

公开(公告)号：CN115718672B

公开(公告)日：2024-09-24

申请号：CN202211467459.3

申请日：2022-11-22

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 朱浩田 ,  蒋炜 ,  王云鹏 ,  李建国

IPC: G06F11/07

Abstract: 本说明书一个或多个实施例公开了一种应用异常检测方法及装置。所述方法包括：当确定目标应用的服务状态发生变更时，从所述目标应用对应的多个业务监测对象中，确定受本次变更影响的第一业务监测对象。根据各业务监测对象的监测属性信息，以及各业务监测对象与所述第一业务监测对象的相关性，确定各所述业务监测对象对于本次变更的监测重要程度值。根据各所述业务监测对象分别对应的监测重要程度值，从所述多个业务监测对象中，筛选出与所述目标应用本次变更所对应的目标业务监测对象。基于所述目标业务监测对象对应的所述监测属性信息，对所述目标应用进行业务监测，得到业务监测结果，并根据所述业务监测结果对所述目标应用进行异常检测。

公开(公告)号：CN117195132A

公开(公告)日：2023-12-08

申请号：CN202311256134.5

申请日：2023-09-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 胡文 ,  李建国 ,  朱亚男 ,  张睿 ,  朱康佳 ,  周诗谧

IPC: G06F18/2433 ,  G06F18/22 ,  G06N3/042 ,  G06N3/045 ,  G06F123/02

Abstract: 本说明书实施例提供一种针对目标系统的异常检测方法和装置，方法包括：获取目标系统的多项指标对应的多个时间序列；将多个时间序列分别输入神经网络模型，得到各项指标分别对应的第一指标嵌入向量；基于其确定第一相关性矩阵，并得到静态图；静态图中的连接边根据第一相关性矩阵确定；从每个时间序列中提取第一时间窗口内的各个时刻的指标数据，得到多个子序列；将多个子序列分别输入神经网络模型，得到各项指标分别对应的第二指标嵌入向量；基于其确定第二相关性矩阵，并得到动态图；动态图中的连接边根据第二相关性矩阵确定；基于静态图和动态图，对目标系统在第一时间窗口内是否发生异常作出检测结果。能够提升异常检测的性能。

公开(公告)号：CN117061330A

公开(公告)日：2023-11-14

申请号：CN202311093384.1

申请日：2023-08-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 陶洪元 ,  余航 ,  李建国

IPC: H04L41/0677 ,  H04L41/14 ,  H04L41/16

Abstract: 本说明书一个或多个实施例提供一种根因定位模型训练方法、根因定位方法及装置，涉及计算机技术领域。该方法包括构建目标系统的因果图，因果图包括多个节点和多个节点的邻接矩阵；将多个节点的节点数据结合邻接矩阵输入根因定位模型，得到多个节点的预测数据；根据预测数据与节点数据之间的损失，调整根因定位模型中的待学习参数，以完成根因定位模型的训练，根因定位模型用于定位目标系统中发生故障的容器。本说明提供的方案，在根因定位模型的训练过程中，无需对运行数据进行预先标记，并能够结合目标系统的因果图，充分学习各个容器之间的因果关系，从而训练出能够进行准确定位的根因定位模型。

公开(公告)号：CN115834388B

公开(公告)日：2023-11-14

申请号：CN202211297224.4

申请日：2022-10-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 朱诗逸 ,  蒋炜 ,  李建国

IPC: H04L41/0896 ,  H04L67/10

Abstract: 本说明书实施例提供了系统控制方法及装置，其中，一种系统控制方法包括：获取对目标系统进行监测所得到的当前时间段的系统状态信息；目标系统包括服务器集群；将系统状态信息输入当前时间段的系统控制模型进行容量配置操作的预估处理，得到目标系统的容量配置方案集合；在容量配置方案集合中确定目标容量配置方案；目标容量配置方案用于对目标系统执行容量配置操作；根据目标容量配置方案，执行对目标系统的服务器集群的容量配置操作。

公开(公告)号：CN116865765A

公开(公告)日：2023-10-10

申请号：CN202310748211.2

申请日：2023-06-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张羽丰 ,  余航 ,  李建国

IPC: H03M7/30 ,  G06F40/126

Abstract: 本说明书实施例提供一种用于无损压缩编码的字典构建方法及装置，在构建方法中，预先从样本字符串的集合中提取长度为s的多个短串，并统计各个短串在集合中的出现频次，以及统计各个短串之间转移频次。之后，对于从样本字符串的集合中截取的各个长串，先确定该长串所包含的若干目标短串，并基于各个目标短串的出现频次、及其之间的转移频次，确定该长串的增益。之后，根据各个长串的增益，选取字典样本。

公开(公告)号：CN116484968A

公开(公告)日：2023-07-25

申请号：CN202310260194.8

申请日：2023-03-10

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 郭铠豪 ,  余航 ,  李建国 ,  廖聪

IPC: G06N20/00 ,  G06N3/0455 ,  G06F16/35

Abstract: 本说明书实施例提供一种训练生成模型、为文本分类器生成训练样本的方法及装置，在训练生成模型的方法中，针对第一文本样本分别进行第一处理和第二处理。其中，第一处理包括，通过第一编码器，确定第一文本样本的语义向量。通过文本分类器，基于语义向量，预测第一文本样本的第一类别，构建对应于第一类别的第一提示文本。第二处理包括，通过第二编码器，确定第一文本样本在目标向量空间中对应的第一离散向量。通过解码器，基于第一提示文本和第一离散向量，确定第一文本样本的重构文本。基于重构损失，训练生成模型，该重构损失基于第一文本样本和重构文本确定。

公开(公告)号：CN115834388A

公开(公告)日：2023-03-21

申请号：CN202211297224.4

申请日：2022-10-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 朱诗逸 ,  蒋炜 ,  李建国

IPC: H04L41/0896 ,  H04L67/10

Abstract: 本说明书实施例提供了系统控制方法及装置，其中，一种系统控制方法包括：获取对目标系统进行监测所得到的当前时间段的系统状态信息；目标系统包括服务器集群；将系统状态信息输入当前时间段的系统控制模型进行容量配置操作的预估处理，得到目标系统的容量配置方案集合；在容量配置方案集合中确定目标容量配置方案；目标容量配置方案用于对目标系统执行容量配置操作；根据目标容量配置方案，执行对目标系统的服务器集群的容量配置操作。

公开(公告)号：CN115758161A

公开(公告)日：2023-03-07

申请号：CN202211566161.8

申请日：2022-12-07

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王云鹏 ,  蒋炜 ,  李建国

IPC: G06F18/214 ,  G06F18/241 ,  G06F18/22 ,  G06N3/08 ,  G06N3/0464

Abstract: 本说明书公开了一种模型训练方法、系统变更的风控方法、装置及电子设备。包括：获取系统变更样本，系统变更样本包括基准系统变更样本和对比系统变更样本，基准系统变更样本为既定存在变更风险的系统变更样本，对比系统变更样本标注有风险分类标签。基于风险识别模型的对比学习网络对基准系统变更样本和对比系统变更样本在性能变更维度上的时序特征数据进行相似度计算，得到特征相似度。基于风险识别模型的分类计算网络对特征相似度和对比系统变更样本在变更影响面维度上的时序特征数据进行分类计算，得到预测风险分类结果。计算预测的风险分类结果和实际风险分类结果确定训练损失，并根据训练损失调整对比学习网络和分类计算网络的参数。