-
公开(公告)号：CN115081589A
公开(公告)日：2022-09-20
申请号：CN202210602804.3
申请日：2020-01-09
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处理交互数据的方法和装置。在该方法中，首先获取根据交互事件集构建的动态交互图，图中的任意节点i通过连接边指向该节点i所代表的对象上次参与的N个关联事件所对应的M个关联节点，其中，允许对象同时参与多个关联事件，允许节点连接到多于2个的关联节点。然后，在动态交互图中，确定与待分析的当前节点对应的当前子图，并将当前子图输入神经网络模型进行处理。神经网络模型包括LSTM层，LSTM层根据当前子图中各个节点之间的连接边的指向关系，依次迭代处理各个节点，从而得到当前节点的隐含向量。
-
公开(公告)号：CN111210008B
公开(公告)日：2022-05-24
申请号：CN202010022183.2
申请日：2020-01-09
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处理交互数据的方法和装置。在该方法中，首先获取根据交互事件集构建的动态交互图，图中的任意节点i通过连接边指向该节点i所代表的对象上次参与的N个关联事件所对应的M个关联节点，其中，允许对象同时参与多个关联事件，允许节点连接到多于2个的关联节点。然后，在动态交互图中，确定与待分析的当前节点对应的当前子图，并将当前子图输入神经网络模型进行处理。神经网络模型包括LSTM层，LSTM层根据当前子图中各个节点之间的连接边的指向关系，依次迭代处理各个节点，从而得到当前节点的隐含向量。
-
公开(公告)号：CN111210008A
公开(公告)日：2020-05-29
申请号：CN202010022183.2
申请日：2020-01-09
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处理交互数据的方法和装置。在该方法中，首先获取根据交互事件集构建的动态交互图，图中的任意节点i通过连接边指向该节点i所代表的对象上次参与的N个关联事件所对应的M个关联节点，其中，允许对象同时参与多个关联事件，允许节点连接到多于2个的关联节点。然后，在动态交互图中，确定与待分析的当前节点对应的当前子图，并将当前子图输入神经网络模型进行处理。神经网络模型包括LSTM层，LSTM层根据当前子图中各个节点之间的连接边的指向关系，依次迭代处理各个节点，从而得到当前节点的隐含向量。
-
公开(公告)号：CN110490274B
公开(公告)日：2020-02-07
申请号：CN201910986175.7
申请日：2019-10-17
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计算机执行的评估交互事件的方法和装置，其中方法包括，首先获取用于反映交互事件关联关系的动态交互图，然后分别以待分析的两个目标节点为当前根节点，在动态交互图中确定出对应的两个子图。将这两个子图输入神经网络模型，以得到与两个目标节点对应的两个目标特征向量，其中在神经网络模型中，处理层根据两个子图中节点的输入特征和子图各自的图结构，得到各个节点的隐含向量，注意力层根据隐含向量确定子图之间的相似性，并据此更新节点的输入特征，传递到下一处理层，最终通过输出层得到前述两个目标特征向量。于是，可以基于该两个目标特征向量，评估两个目标节点交互的交互事件。
-
公开(公告)号：CN111523682B
公开(公告)日：2020-10-23
申请号：CN202010631311.3
申请日：2020-07-03
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交互预测模型的训练和使用方法及装置。在该方法中，首先基于交互事件序列构建动态交互图，从中确定出属于第一类对象的第一样本节点和属于第二类对象的备选节点。利用表征网络，分别确定各节点的节点向量。然后，将第一样本节点的向量输入生成网络，生成网络从备选节点中选择预测节点。将第一样本节点和预测节点输入判别网络，以确定二者交互的第一概率；还将第一样本节点和对应的第二样本节点输入判别网络，以确定二者交互的第二概率。以增大第二概率，减小第一概率为目标，训练表征网络和判别网络；以增大第一概率为目标，训练表征网络和生成网络。训练后的表征网络和生成网络作为用于预测交互对象的交互预测模型。
-
Patent Agency Ranking
公开(公告)号：CN111258469A
公开(公告)日：2020-06-09
申请号：CN202010022182.8
申请日：2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F3/0481 , G06Q30/06 , G06N3/04
Abstract: 本说明书实施例提供一种处理交互数据的方法和装置。在该方法中，首先获取根据交互事件集构建的动态交互图，其中任意节点i通过连接边指向该节点i所代表的对象上次参与的N个关联事件所对应的M个关联节点，其中允许对象同时参与多个关联事件，允许节点连接到多于2个的关联节点。然后，在动态交互图中，确定与目标节点对应的目标子图，该目标子图包括从目标节点出发，经由连接边到达的预定范围内的节点；于是，基于该目标子图中包含的各个节点的节点特征，以及节点之间的连接边的指向关系，可以确定目标节点对应的特征向量，以进行业务处理。
-
公开(公告)号：CN111242283A
公开(公告)日：2020-06-05
申请号：CN202010021764.4
申请日：2020-01-09
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用于评估交互事件的自编码器的训练和使用方法及装置。在该方法中，首先基于交互事件序列构建动态交互图，基于动态交互图的特点，提出一种自编码器。为训练该自编码器，针对样本交互事件，确定出该交互事件在动态交互图中对应的两个节点，并得到以该两个节点为根节点的两个子图。此外，还将该两个子图中的节点进行父子关系的反向，形成反向子图。然后，将上述两个子图，以及反向子图相继输入到自编码器。自编码器包括LSTM层，通过该LSTM层对输入子图中各个节点依次进行迭代处理，最终得到反向子图中各个节点的表征向量。通过使得迭代处理得到的各个节点的表征向量拟合其原始输入特征，对自编码器进行训练。
-
公开(公告)号：CN115081589B
公开(公告)日：2024-11-26
申请号：CN202210602804.3
申请日：2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/0442 , G06N3/08
Abstract: 本说明书实施例提供一种处理交互数据的方法和装置。在该方法中，首先获取根据交互事件集构建的动态交互图，图中的任意节点i通过连接边指向该节点i所代表的对象上次参与的N个关联事件所对应的M个关联节点，其中，允许对象同时参与多个关联事件，允许节点连接到多于2个的关联节点。然后，在动态交互图中，确定与待分析的当前节点对应的当前子图，并将当前子图输入神经网络模型进行处理。神经网络模型包括LSTM层，LSTM层根据当前子图中各个节点之间的连接边的指向关系，依次迭代处理各个节点，从而得到当前节点的隐含向量。
-
公开(公告)号：CN111242283B
公开(公告)日：2021-06-25
申请号：CN202010021764.4
申请日：2020-01-09
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用于评估交互事件的自编码器的训练和使用方法及装置。在该方法中，首先基于交互事件序列构建动态交互图，基于动态交互图的特点，提出一种自编码器。为训练该自编码器，针对样本交互事件，确定出该交互事件在动态交互图中对应的两个节点，并得到以该两个节点为根节点的两个子图。此外，还将该两个子图中的节点进行父子关系的反向，形成反向子图。然后，将上述两个子图，以及反向子图相继输入到自编码器。自编码器包括LSTM层，通过该LSTM层对输入子图中各个节点依次进行迭代处理，最终得到反向子图中各个节点的表征向量。通过使得迭代处理得到的各个节点的表征向量拟合其原始输入特征，对自编码器进行训练。
-
公开(公告)号：CN112085279A
公开(公告)日：2020-12-15
申请号：CN202010955099.6
申请日：2020-09-11
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交互预测模型的训练和使用方法及装置。在该方法中，首先基于交互事件序列构建动态交互图，从中确定出包含第一节点和第二节点的样本节点对，其对应于样本交互事件。从第一生成网络和第一判别网络分别获取，对应于两个节点各自的生成向量和判别向量。利用第二生成网络，基于两个生成向量预测样本交互事件的发生时间。接着，基于两个生成向量和该预测时间形成第一输入，基于两个判别向量和真实时间形成第二输入，通过第二判别网络，判别第一输入和第二输入各自为真实事件的概率。基于此对抗训练第二生成网络和第二判别网络。训练后的第一生成网络和第二生成网络作为用于预测交互事件的交互预测模型。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.035 seconds)
