-
公开(公告)号：CN111159558A
公开(公告)日：2020-05-15
申请号：CN201911409205.4
申请日：2019-12-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/958 , G06F16/635 , G06F16/638
Abstract: 本说明书一个或多个实施例提供一种推荐列表的生成方法、装置和电子设备；所述方法包括：获取用户的用户特征；根据所述用户特征和预先训练的强化学习模型，得到所述用户点击推荐列表中的列表项的预测结果；响应于所述用户对所述推荐列表中的列表项的点击操作，得到点击结果；根据所述预测结果和所述点击结果，确定对应于所述预测结果的奖励分数；确定基准奖励分数；根据所述基准奖励分数，采用策略梯度算法优化所述强化学习模型，优化后的所述强化学习模型用于生成对应于所述用户的推荐列表。
-
公开(公告)号：CN110704599A
公开(公告)日：2020-01-17
申请号：CN201910942807.X
申请日：2019-09-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33
Abstract: 本说明书实施例提供一种为预测模型生成样本可以使用大量选择数据为预测模型生成训练样本，并且在样本生成过程中，通过使用标准样本训练的初始预测模型作为指引，减少选择数据中的噪声干扰，提高生成的训练样本的有效性。本说明书实施例还提供一种训练预测模型的方法和装置，将以上训练样本用于训练预测模型，大大扩充了样本数量，可以减少人工打标的工作量，还可以增强预测模型的抗噪能力，大大提高预测模型的准确度。
-
公开(公告)号：CN110688471B
公开(公告)日：2022-09-09
申请号：CN201910942797.X
申请日：2019-09-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06K9/62
Abstract: 本说明书实施例提供一种训练样本获取方法、装置及设备，在获取方法中，收集两批已标注样本，包括第一批样本和第二批样本。第一批样本中的样本包括第一用户问句和第一标签，第一标签通过人工的方式标注。第二批样本中的样本包括第二用户问句和第二标签，第二标签通过自动的方式标注。基于第一批样本，训练样本分类模型。对于第二批样本，将第二用户问句输入样本分类模型，以得到第二用户问句对应于预定义的各个类别的预测概率。基于第二用户问句对应于预定义的各个类别的预测概率以及第二标签，确定预测结果与真实结果之间的差异度。当差异度大于第一阈值时，对第一样本进行编辑。基于编辑后的第二批样本和所述第一批样本，确定最终的训练样本。
-
公开(公告)号：CN111159558B
公开(公告)日：2023-07-18
申请号：CN201911409205.4
申请日：2019-12-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/958 , G06F16/635 , G06F16/638
Abstract: 本说明书一个或多个实施例提供一种推荐列表的生成方法、装置和电子设备；所述方法包括：获取用户的用户特征；根据所述用户特征和预先训练的强化学习模型，得到所述用户点击推荐列表中的列表项的预测结果；响应于所述用户对所述推荐列表中的列表项的点击操作，得到点击结果；根据所述预测结果和所述点击结果，确定对应于所述预测结果的奖励分数；确定基准奖励分数；根据所述基准奖励分数，采用策略梯度算法优化所述强化学习模型，优化后的所述强化学习模型用于生成对应于所述用户的推荐列表。
-
Patent Agency Ranking
公开(公告)号：CN111382271B
公开(公告)日：2023-05-23
申请号：CN202010156375.2
申请日：2020-03-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供一种文本分类模型的训练方法，此方法包括：首先，获取N个原始文本和对应的N个文本类别标签，其中N为大于1的正整数；接着，对N个原始文本进行拼接，得到拼接文本；然后，分别对N个文本类别标签进行独热编码，得到N个类别标签向量；再接着，对N个类别标签向量进行平均处理，得到综合标签向量；再然后，将该拼接文本输入文本分类模型中，得到综合分类结果；再基于该综合分类结果和该综合标签向量，训练所述文本分类模型。此外，本说明书实施例还提供一种文本分类方法，此方法包括：获取待分类的目标文本，并对其复制得到N个目标文本，进行拼接后输入利用上述训练方法得到的文本分类模型中，得到目标文本的文本分类结果。
-
公开(公告)号：CN110704599B
公开(公告)日：2022-05-17
申请号：CN201910942807.X
申请日：2019-09-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33
Abstract: 本说明书实施例提供一种为预测模型生成样本可以使用大量选择数据为预测模型生成训练样本，并且在样本生成过程中，通过使用标准样本训练的初始预测模型作为指引，减少选择数据中的噪声干扰，提高生成的训练样本的有效性。本说明书实施例还提供一种训练预测模型的方法和装置，将以上训练样本用于训练预测模型，大大扩充了样本数量，可以减少人工打标的工作量，还可以增强预测模型的抗噪能力，大大提高预测模型的准确度。
-
公开(公告)号：CN117668193A
公开(公告)日：2024-03-08
申请号：CN202311670108.7
申请日：2023-12-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06Q40/00
Abstract: 本说明书的实施例提供了一种用于处理用户对话的方法和装置、用于辅助催收的方法和装置。在该用于处理用户对话的方法中，获取目标用户的当前对话记录，其中，当前对话记录包括截至该目标用户的本轮用户语句的对话历史，每一轮对话包括业务方的语句和该目标用户的用户语句；利用用户特征挖掘模型根据该当前对话记录得到对应的用户特征描述文本；再利用业务响应模型根据该当前对话记录和所得到的用户特征描述文本得到针对该当前对话记录的当前响应信息，以实现业务目标。
-
公开(公告)号：CN111382271A
公开(公告)日：2020-07-07
申请号：CN202010156375.2
申请日：2020-03-09
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文本分类模型的训练方法，此方法包括：首先，获取N个原始文本和对应的N个文本类别标签，其中N为大于1的正整数；接着，对N个原始文本进行拼接，得到拼接文本；然后，分别对N个文本类别标签进行独热编码，得到N个类别标签向量；再接着，对N个类别标签向量进行平均处理，得到综合标签向量；再然后，将该拼接文本输入文本分类模型中，得到综合分类结果；再基于该综合分类结果和该综合标签向量，训练所述文本分类模型。此外，本说明书实施例还提供一种文本分类方法，此方法包括：获取待分类的目标文本，并对其复制得到N个目标文本，进行拼接后输入利用上述训练方法得到的文本分类模型中，得到目标文本的文本分类结果。
-
公开(公告)号：CN110688471A
公开(公告)日：2020-01-14
申请号：CN201910942797.X
申请日：2019-09-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06K9/62
Abstract: 本说明书实施例提供一种训练样本获取方法、装置及设备，在获取方法中，收集两批已标注样本，包括第一批样本和第二批样本。第一批样本中的样本包括第一用户问句和第一标签，第一标签通过人工的方式标注。第二批样本中的样本包括第二用户问句和第二标签，第二标签通过自动的方式标注。基于第一批样本，训练样本分类模型。对于第二批样本，将第二用户问句输入样本分类模型，以得到第二用户问句对应于预定义的各个类别的预测概率。基于第二用户问句对应于预定义的各个类别的预测概率以及第二标签，确定预测结果与真实结果之间的差异度。当差异度大于第一阈值时，对第一样本进行编辑。基于编辑后的第二批样本和所述第一批样本，确定最终的训练样本。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.036 seconds)
