-
公开(公告)号：CN116611731A
公开(公告)日：2023-08-18
申请号：CN202310572391.3
申请日：2023-05-18
Applicant: 支付宝(杭州)信息技术有限公司 , 合肥工业大学
IPC: G06Q10/0639 , G06F18/23 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本说明书实施例提供了一种评分模型训练方法、用户推送方法及装置。在评分模型的训练方法中，构造用户与推送对象之间交互的关系网络，通过变分图推理网络估计用户和推送对象的节点表征连续分布，并对该节点表征连续分布进行采样，得到作为对比目标的第一采样表征和第二采样表征，基于该对比目标确定节点级别的对比损失函数。同时，利用节点表征连续分布重构用户与推送对象之间的关系网络，从而得到重构损失函数。利用节点表征连续分布对用户和推送对象进行聚类，基于聚类结果计算聚类感知的对比损失函数。联合多个损失函数进行多任务学习，更新模型直至收敛。利用训练后的评分模型计算用户对推送对象的评分，基于该评分进行用户推送。
-
公开(公告)号：CN111581450B
公开(公告)日：2023-07-14
申请号：CN202010588745.X
申请日：2020-06-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06Q10/04 , G06Q40/03 , G06N3/0464 , G06N20/00
Abstract: 本说明书实施例提供一种确定用户的业务属性的方法，一方面，基于异构图确定用户的预测向量，将各个关联关系下获取的用户的表达向量融合，综合了各种可能的信息，从多维度丰富用户信息，利用信息互补性探索多重关系下的丰富语义，从而避免单一信息缺失无法准确描述用户导致的无法预测用户业务属性的情形；另一方面，在单个关联关系下确定用户的表达向量过程中，不仅考虑用户与其他用户之间的关联影响，而且还考虑连接边对应的业务属性对这种关联关系的影响，充分利用用户的局部结构信息来增强对用户的表示能力，从而提高对用户业务属性预测的准确度。
-
公开(公告)号：CN111222026B
公开(公告)日：2023-07-14
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: G06F18/214 , G06F18/2415 , G06F18/27 , G06N3/045 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/088 , G06Q40/03
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：CN115618095A
公开(公告)日：2023-01-17
申请号：CN202210750985.4
申请日：2022-06-29
Applicant: 支付宝(杭州)信息技术有限公司 , 清华大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00
Abstract: 本说明书实施例提供一种针对图分类任务生成对抗关系图的方法和装置。根据该方法，首先将原始的业务关系图输入图分类模型；该业务关系图包括，代表多个业务对象的多个节点，其中具有业务关联的节点之间存在连接边；图分类模型包括节点表征层和分类输出层。然后，至少根据节点表征层计算得到的业务对象表征，确定业务关系图的类别激活矩阵，该矩阵反映各个业务对象对于图分类模型所分类的各个业务类别的贡献度。于是，可以根据上述类别激活矩阵，按照业务对象的贡献度从高到低的顺序，对多个业务对象中的部分业务对象的属性特征和/或连接边进行扰动修改，得到业务关系图对应的对抗关系图。
-
公开(公告)号：CN115293267A
公开(公告)日：2022-11-04
申请号：CN202210946018.5
申请日：2022-08-08
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离线用户识别方法及装置。在该离线用户识别方法中，基于用户账户的场所历史访问数据构建用户行为关系异构图。在进行离线用户识别时，在待访问的第一场所处获取待识别用户的生物特征数据；基于所获取的生物特征数据，在候选用户账户数据库中检索目标用户账户；以及基于用户行为关系异构图、待识别用户的生物特征数据以及目标用户账户的生物特征数据，确定目标用户账户、第一场所和待识别用户的生物特征数据三者之间的匹配性，以进行用户识别。
-
Patent Agency Ranking
公开(公告)号：CN115062131A
公开(公告)日：2022-09-16
申请号：CN202210753297.3
申请日：2022-06-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/338
Abstract: 本说明书实施例提供了一种基于多模态的人机交互方法及装置。在终端具备多种模态信息收集能力的前提下，当用户与终端进行交互时，终端可以收集到用户输入的多模态信息，包括视频信息、语音信息、用户通过输入操作输入的语言文本和事件文本等，并将该多模态信息传输至服务器。服务器可以从多模态信息中提取用户指令和用户语言，并分别将用户指令输入指令处理器并得到第一输出内容，将用户语言输入自然语言处理器并得到第二输出内容。接着，服务器可以基于第一输出内容和第二输出内容的融合，确定针对用户的回应内容。
-
公开(公告)号：CN111210279B
公开(公告)日：2022-08-16
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：CN111428994B
公开(公告)日：2022-06-03
申请号：CN202010203457.8
申请日：2020-03-20
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业务处理方法、装置及电子设备，其核心思想是，在获取到全量的各样本用户的业务数据时，从这些样本用户中选取出不同种子用户，这些种子用户是已领取业务权益的用户；从所述不同种子用户的业务数据中提取业务权益信息与所述业务权益信息相关的业务特征数据之间的映射关系。在这种情况下，当采集到不同待测用户的业务数据时，就可以根据如上映射关系，判断所述不同待测用户各自业务数据中是否包含所述业务特征数据，根据判断结果从所述不同待测用户中选取权益用户和为该权益用户分配的业务权益信息，根据确定的业务权益信息生成为所述权益用户的权益配置策略。
-
公开(公告)号：CN111382410B
公开(公告)日：2022-04-29
申请号：CN202010206013.X
申请日：2020-03-23
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刷脸验证方法。该方法可以包括从刷脸机具获取刷脸图像；基于所述刷脸图像，确定候选用户；获取反映所述候选用户与所述刷脸机具之间历史关联的历史关联特征；通过刷脸验证模型，至少基于所述历史关联特征，确定所述刷脸图像与所述候选用户的相关度；以及基于所述相关度，确定所述刷脸图像的刷脸验证结果。
-
公开(公告)号：CN111309983B
公开(公告)日：2021-09-21
申请号：CN202010162991.9
申请日：2020-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N3/08
Abstract: 本说明书实施例提供一种基于异构图进行业务处理的方法和装置，可以利用不同结构的关系网络构成的异构图直接进行业务处理。在本说明书的实施架构下，利用多个不同连接关系类型的关系网络，可以更加全面的刻画实体的特征，另一方面，针对各个关系网络分别处理得到节点的各个业务表征向量，无需对各个关系网络进行综合，可以避免繁琐的手工特征抽取，进一步地，可以自动确定在当前业务下，当前实体在每个关系网络中的重要度系数(权重)，实现在各个关系网络下的信息融合，从而使得对当前实体的评估结果更加准确。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.067 seconds)
