-
公开(公告)号：CN116934490A
公开(公告)日：2023-10-24
申请号：CN202310667889.8
申请日：2023-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/06 , G06F16/9535 , H04L67/306 , H04L67/55
Abstract: 本说明书公开了一种信息处理方法、装置、存储介质及电子设备，其中，方法包括：获取待推送理财产品的机构估算收益数据，确定目标用户的理财决策因子信息和理财产品实际持有比例，基于至少一个理财产品、理财决策因子信息确定目标用户针对理财产品的理财产品优选持有比例，以及基于理财产品实际持有比例和理财产品优选持有比例确定目标用户针对理财决策因子信息的决策因子敏感度信息，基于决策因子敏感度信息生成针对所述目标用户的理财产品关联的辅助决策指示信息，向目标用户推送所述理财产品的所述辅助决策指示信息。
-
公开(公告)号：CN119004108A
公开(公告)日：2024-11-22
申请号：CN202411123942.9
申请日：2024-08-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F40/117
Abstract: 本说明书实施例涉及训练语言模型的方法及装置，方法包括：首先，将目标输入文本分别输入目标语言模型以及预训练的参考语言模型，得到两个模型各自关于第一输出文本的概率值，以及各自关于第二输出文本的概率值，其中，第一输出文本相对于第二输出文本被标记为关于所述目标输入文本的偏好输出文本；然后，确定训练损失，其与第一损失项负相关，且与第二损失项正相关；其中，第一损失项包括所述两个模型关于第一输出文本的概率值之间的差异；第二损失项包括所述两个模型关于第二输出文本的概率值之间的差异与0之间的较大值；接下来，以减小所述训练损失为目标，调整所述目标语言模型中的参数。
-
公开(公告)号：CN114925279B
公开(公告)日：2024-07-23
申请号：CN202210635074.7
申请日：2022-06-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/0601 , G06N3/042 , G06N3/045 , G06N3/098
Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置，其中推荐模型训练方法包括：获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型，提高模型准确性。
-
Patent Agency Ranking
公开(公告)号：CN114925279A
公开(公告)日：2022-08-19
申请号：CN202210635074.7
申请日：2022-06-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06Q30/06 , G06N3/08
Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置，其中推荐模型训练方法包括：获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型，提高模型准确性。
-
公开(公告)号：CN115270968A
公开(公告)日：2022-11-01
申请号：CN202210909816.0
申请日：2022-07-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供数据处理方法及装置，该方法包括获取与目标项目对应的第一数据、第二数据、第一数据以及第二数据的初始数据标签；确定第一训练数据的第一数据特征和第二数据的第二数据特征；根据第一训练数据以及第二数据的初始数据标签、第一数据特征和第二数据特征，确定第二数据的目标数据标签；根据第二数据以及目标数据标签训练初始模型，并根据初始模型以及第一验证数据确定数据置信度；根据数据置信度从第二数据中确定目标数据，并将目标数据添加至第一数据对初始模型进行训练，获得目标模型。该方法通过强弱标签互补的协同训练方式进行模型训练，克服少量样本数据使用GNN浅层信息传播效率低及弱标签噪声干扰的问题。
-
公开(公告)号：CN112927054A
公开(公告)日：2021-06-08
申请号：CN202110355212.1
申请日：2021-04-01
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 于飞
Abstract: 本说明书实施例提供了乘车订单处理方法及装置，其中，一种乘车订单处理方法包括：根据用户终端提交的乘车预约请求读取乘客定位信息，并根据位置匹配算法匹配所述乘客定位信息对应的乘车位置点；基于所述乘车位置点生成乘车预约单，确定针对所述乘车预约单提交接单指令的司机并更新所述乘车预约单；向所述用户终端下发更新获得的乘车订单，并将所述司机的司机终端上传的目的地信息写入所述乘车订单。
-
公开(公告)号：CN119443155A
公开(公告)日：2025-02-14
申请号：CN202411450863.9
申请日：2024-10-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/045 , G06N3/0475 , G06N3/092 , G06N3/09
Abstract: 本说明书实施例提供了大语言模型的训练方法及装置。该方法包括：获取训练样本集，其中的各训练样本均包括问题、偏好回答和非偏好回答，并且部分训练样本各自包括的偏好回答和非偏好回答相同；对于训练样本集中任意的第一样本，将其中的第一问题作为模型输入，在获得参考模型和待优化的大语言模型各自生成第一样本中的第一偏好回答的第一概率后，根据第一概率确定针对第一偏好回答的第一奖励值；确定针对第一样本中的第一非偏好回答的第二奖励值，其响应于确定第一偏好回答和第一非偏好回答相同而为0；基于训练损失更新大语言模型的参数，该训练损失与第一奖励值和第二奖励值的差值负相关。
-
公开(公告)号：CN118505362A
公开(公告)日：2024-08-16
申请号：CN202410977287.7
申请日：2024-07-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0601 , G06N3/0455 , G06N3/0464 , G06F40/30 , G06N3/084
Abstract: 本说明书实施例公开了一种产品推荐方法及装置，该产品推荐方法包括在通过对产品的语义矩阵进行网络训练的过程中，获取重构损失函和向量损失函数作为收敛函数进行训练，确定收敛时的向量集合，并通过向量集合结合目标用户的数据进行针对性的产品方案推荐。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
