公开(公告)号：CN114399027B

公开(公告)日：2025-01-03

申请号：CN202210005134.7

申请日：2022-01-04

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 余航 ,  刘士湛 ,  廖聪 ,  李建国

IPC: G06N3/0464 ,  G06Q10/04 ,  G06Q10/063

Abstract: 本说明书实施例提供一种利用神经网络进行序列处理的方法以及序列处理的装置，在序列处理的方法中，在生成层，获取按时间排序的业务指标值形成的指标序列所对应的原始向量序列，针对该原始向量序列迭代执行多层级的向量聚合，得到对应于不同时间尺度的多层级的处理向量序列，原始向量序列和各处理向量序列中的各个向量，形成多层级的树形关系图。在注意力层，根据树形关系图，确定输入的任一目标向量的关联向量，根据关联向量对目标向量进行基于注意力机制的加权综合处理，得到对应的更新向量；该更新向量用于确定指标序列的特征表示。

公开(公告)号：CN114399027A

公开(公告)日：2022-04-26

申请号：CN202210005134.7

申请日：2022-01-04

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 余航 ,  刘士湛 ,  廖聪 ,  李建国

IPC: G06N3/04 ,  G06Q10/04 ,  G06Q10/06

Abstract: 本说明书实施例提供一种利用神经网络进行序列处理的方法以及序列处理的装置，在序列处理的方法中，在生成层，获取按时间排序的业务指标值形成的指标序列所对应的原始向量序列，针对该原始向量序列迭代执行多层级的向量聚合，得到对应于不同时间尺度的多层级的处理向量序列，原始向量序列和各处理向量序列中的各个向量，形成多层级的树形关系图。在注意力层，根据树形关系图，确定输入的任一目标向量的关联向量，根据关联向量对目标向量进行基于注意力机制的加权综合处理，得到对应的更新向量；该更新向量用于确定指标序列的特征表示。

公开(公告)号：CN117454942A

公开(公告)日：2024-01-26

申请号：CN202311403317.5

申请日：2023-10-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 倪泽林 ,  余航 ,  刘士湛 ,  李建国 ,  林巍尧

IPC: G06N3/049 ,  G06N3/09

Abstract: 本说明书提供一种神经网络模型、时间序列预测方法及装置、存储介质，该神经网络模型包括至少两个相关系数计算模块，至少两个相关系数计算模块分别用于计算历史基底系数和未来基底系数；预测模块，用于基于目标基底的未来部分和历史基底系数，预测第一时间序列所对应的未来时间序列。本公开可以为时间序列提供自适应性的基底，能够自适应地学习时间序列数据集的主要特征，且基底与时间序列之间也是自适应的，即能够自适应性衡量不同基底与时间序列相关性的差异，从而为时间序列选择最合适的基底，提高了时间序列预测的准确性，且减少了基底塌缩的可能性。