-
公开(公告)号：CN111566684A
公开(公告)日：2020-08-21
申请号：CN202080001105.2
申请日：2020-04-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02
Abstract: 本文提供了用于将用户分组的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。所述方法的一个实施例包括：将被候选广告作为目标的多个用户划分为多个用户桶，其中，多个用户桶中的每个用户桶关联有第一转化得分；获得与所述广告相对应的经训练预测模型，其中，所述经训练预测模型能够至少基于与用户桶相关联的第一转化得分以及与包括所述用户桶的一组用户桶相关联的第二转化得分来预测转化得分；以及使用所述经训练预测模型来构建优化模型，其中，优化问题的目标函数是利用通过求解优化问题而确定的分组策略来最大化总转化得分。
-
公开(公告)号：CN115002049B
公开(公告)日：2023-11-14
申请号：CN202210674620.8
申请日：2022-06-15
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网络资源分配的方法和装置。根据该方法，获取目标未来时长所对应的网络资源的资源限额信息以及时段信息，所述时段信息包括，目标未来时长包含的多种时段类型按照资源回报率的第一排序。此外还获取分组估计信息，其中包括针对各时段类型，多个用户组中各用户组在得到各备选份额的网络资源情况下的预估资源回报。于是，根据分组估计信息，以最大化目标未来时长中预估资源回报的总和为目标，在多个约束条件下，确定针对各用户组在各时段类型的时段中分配的资源份额，所述多个约束条件包括，分配的总资源份额符合资源限额信息，且针对各时段类型的资源分配符合所述第一排序。
-
公开(公告)号：CN115002049A
公开(公告)日：2022-09-02
申请号：CN202210674620.8
申请日：2022-06-15
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网络资源分配的方法和装置。根据该方法，获取目标未来时长所对应的网络资源的资源限额信息以及时段信息，所述时段信息包括，目标未来时长包含的多种时段类型按照资源回报率的第一排序。此外还获取分组估计信息，其中包括针对各时段类型，多个用户组中各用户组在得到各备选份额的网络资源情况下的预估资源回报。于是，根据分组估计信息，以最大化目标未来时长中预估资源回报的总和为目标，在多个约束条件下，确定针对各用户组在各时段类型的时段中分配的资源份额，所述多个约束条件包括，分配的总资源份额符合资源限额信息，且针对各时段类型的资源分配符合所述第一排序。
-
Patent Agency Ranking
公开(公告)号：CN111417975A
公开(公告)日：2020-07-14
申请号：CN202080000701.9
申请日：2020-01-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 提供了用于个性化优惠的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。所述方法之一包括：收集包括为平台的多个用户中的每个用户制定的一个或多个优惠以及一个或多个相应响应的响应数据，其中，所述一个或多个优惠是从一组优惠选项中选择的；创建包括收集的响应数据以及与所述多个用户中的每个用户相关联的一个或多个特征的训练数据集；使用所述训练数据集训练机器学习模型，其中，训练的机器学习模型用来预测所述多个用户对未来优惠的响应；使用所述训练的机器学习模型获得所述平台的多个预计收益，其中，所述多个预计收益中的每个预计收益对应于为所述多个用户中的一个用户制定一组预定优惠中的一个优惠。
-
公开(公告)号：CN110866785A
公开(公告)日：2020-03-06
申请号：CN201911090110.0
申请日：2019-11-08
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成本确定方法、系统及装置。其技术要点包括：获取与至少一个用户类相关的至少一组特征数据，一个用户类中包括一个或多个用户，每一个用户类对应一组特征数据；对于所述至少一个用户类中的每一个用户类：基于所述一组特征数据、至少一个预设成本以及决策模型，确定与所述用户类对应的成本-收益曲线，其中，所述决策模型为机器学习模型；至少基于所述成本-收益曲线，确定针对每个用户类的目标成本。
-
公开(公告)号：CN113222302A
公开(公告)日：2021-08-06
申请号：CN202110661883.0
申请日：2021-06-15
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优化资源配置方案的方法及装置，在优化资源配置方案的过程中，通过少量先验配置方案及其估计收益，训练全局代理模型，并基于全局代理模型确定优化的初始配置方案，从而在初始配置方案基础上进行配置方案优化，提高优化效率。进一步地，在某个初始配置方案开始的优化过程结束时，比较最终优化的配置方案与所有先验配置方案之间的估计收益的大小关系，以进一步避免得到的是局部最优配置方案。总之，以上优化资源配置方案可以提高资源配置方案的优化效率。
-
公开(公告)号：CN111771222A
公开(公告)日：2020-10-13
申请号：CN202080001348.6
申请日：2020-04-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/02
Abstract: 本文提供了用于将多个资源分为多个群组方法、系统和装置，包括编码在计算机存储介质上的计算机程序，其中，所述多个资源中的每个资源关联有风险水平和收益水平，每个群组中的资源共有相同的风险水平和相同的收益水平；获得多个提供方级调整量；构建用于确定资源流方案的优化模型；根据所述多个群组‑提供方级调整量，在所述多个群组的每一个群组中识别出由第一提供方提供的、要转移到第二提供方的一个或多个资源；以及自动向所述第一提供方和所述第二提供方发送一个或多个请求，以将确定的一个或多个第一资源从所述第一提供方转移到所述第二提供方。
-
公开(公告)号：CN111566684B
公开(公告)日：2022-05-27
申请号：CN202080001105.2
申请日：2020-04-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02
Abstract: 本文提供了用于将用户分组的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。所述方法的一个实施例包括：将被候选广告作为目标的多个用户划分为多个用户桶，其中，多个用户桶中的每个用户桶关联有第一转化得分；获得与所述广告相对应的经训练预测模型，其中，所述经训练预测模型能够至少基于与用户桶相关联的第一转化得分以及与包括所述用户桶的一组用户桶相关联的第二转化得分来预测转化得分；以及使用所述经训练预测模型来构建优化模型，其中，优化问题的目标函数是利用通过求解优化问题而确定的分组策略来最大化总转化得分。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
