-
公开(公告)号：CN112581191B
公开(公告)日：2022-07-19
申请号：CN202011626281.3
申请日：2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82
Abstract: 本说明书实施例提供一种行为预测模型的训练方法，包括：针对目标对象，获取基于多个种子用户形成的多个正样本，其中任意的第一正样本包括，与第一种子用户对应的第一用户特征和正例标签，此标签指示对应用户是被确定为对目标对象做出特定行为的用户；基于多个种子用户各自的用户特征，采用无监督的离群点检测算法，确定第一种子用户的离群分数，作为针对行为预测任务的第一训练权重；利用包括上述多个正样本以及预先获取的多个负样本，对第一行为预测模型进行第一训练，具体包括：将第一用户特征输入第一行为预测模型中，结合得到的行为预测结果和上述正例标签，确定行为预测损失，并利用第一训练权重对其进行加权处理，以训练第一行为预测模型。
-
公开(公告)号：CN111681059B
公开(公告)日：2020-11-13
申请号：CN202010819192.4
申请日：2020-08-14
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行为预测模型的训练方法，包括：先确定针对目标对象的多个样本用户，其中任一的第一样本用户对应第一样本硬标签，指示是否对该目标对象做出特定行为；再基于利用训练后的图神经网络对用户‑对象二部图进行图嵌入处理而确定的嵌入向量集，确定对应于第一样本用户的样本用户特征向量以及对应于目标对象的目标对象特征向量，进而确定第一样本用户对目标对象做出特定行为的特定行为概率，作为第一样本软标签，并且，将该样本用户特征向量输入第一行为预测模型中，得到行为预测结果；利用基于该预测结果和第一样本硬标签确定的第一损失项，以及基于该预测结果和第一样本软标签确定的第二损失项，训练该第一行为预测模型。
-
公开(公告)号：CN114139724B
公开(公告)日：2024-08-09
申请号：CN202111447295.3
申请日：2021-11-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/084 , G06N3/0464 , G06N3/045 , G06F16/9535 , G06Q30/0251
Abstract: 本说明书实施例提供一种增益模型的训练方法，包括：先将用户集中任意目标用户的用户特征，分别输入基于有干预用户而训练的第一预测模型、基于无干预用户而训练的第二预测模型和干预倾向预测模型，对应得到该目标用户针对目标行为的第一预测结果，第二预测结果，和该用户是否被干预的干预倾向分数；接着，根据所述第一预测结果、第二预测结果、干预倾向分数，以及该目标用户的行为标签，确定该目标用户响应干预的增益标签，所述增益标签与所述干预倾向分数成线性关系；再基于所述用户集中各个用户的用户特征和增益标签，训练所述增益模型。
-
公开(公告)号：CN113988291B
公开(公告)日：2024-06-04
申请号：CN202111250535.0
申请日：2021-10-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/084 , G06N3/0464 , G06N3/045 , G06Q20/38 , G06Q30/0207 , G06N3/048
Abstract: 本说明书实施例提供一种用户表征网络的训练方法，包括：将无偏样本的用户特征输入经过预训练的第一用户表征网络，得到第一用户表征向量，并且，将有偏样本的用户特征输入第二用户表征网络，得到第二用户表征向量，其中无偏样本和有偏样本分别通过向用户发放由随机策略和非随机策略确定的权益份额而采集；将得到的两个用户表征向量分别输入判别器，得到对应两个判别结果；以最小化目标函数的函数值为目标，训练判别器，该函数值与第一损失和第二损失正相关，第一损失基于无偏样本对应的判别结果和无偏标识而确定，第二损失基于有偏样本对应的判别结果和有偏标识而确定；以最大化目标函数的函数值为目标，对第二用户表征网络进行训练。
-
Patent Agency Ranking
公开(公告)号：CN111681059A
公开(公告)日：2020-09-18
申请号：CN202010819192.4
申请日：2020-08-14
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行为预测模型的训练方法，包括：先确定针对目标对象的多个样本用户，其中任一的第一样本用户对应第一样本硬标签，指示是否对该目标对象做出特定行为；再基于利用训练后的图神经网络对用户-对象二部图进行图嵌入处理而确定的嵌入向量集，确定对应于第一样本用户的样本用户特征向量以及对应于目标对象的目标对象特征向量，进而确定第一样本用户对目标对象做出特定行为的特定行为概率，作为第一样本软标签，并且，将该样本用户特征向量输入第一行为预测模型中，得到行为预测结果；利用基于该预测结果和第一样本硬标签确定的第一损失项，以及基于该预测结果和第一样本软标签确定的第二损失项，训练该第一行为预测模型。
-
公开(公告)号：CN115392957A
公开(公告)日：2022-11-25
申请号：CN202210968175.6
申请日：2022-08-12
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模型训练中的注意力图的生成方法、装置以及设备。通过获取所述事件序列所对应的特征矩阵；确定所述事件序列中所包含的第i个事件所对应的第一时间向量x，确定所述事件序列中所包含的第j个事件所对应的第二时间向量x’；根据预设的时态内核、所述第一时间向量x和所述第二时间向量x’确定时间注意力权重矩阵kt；采用预设的事件内核确定所述事件键矩阵Ke和事件查询矩阵Qe所对应的事件注意力权重矩阵ke；融合所述时间注意力权重矩阵kt和所述事件注意力权重矩阵ke生成总注意力权重矩阵；根据所述总注意力权重矩阵和所述事件值矩阵Ve生成注意力图，从而体现出各事件的绝对时间和相对时间在相关性上的贡献。
-
公开(公告)号：CN114139724A
公开(公告)日：2022-03-04
申请号：CN202111447295.3
申请日：2021-11-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06N3/04 , G06N3/08 , G06F16/9535 , G06Q30/02
Abstract: 本说明书实施例提供一种增益模型的训练方法，包括：先将用户集中任意目标用户的用户特征，分别输入基于有干预用户而训练的第一预测模型、基于无干预用户而训练的第二预测模型和干预倾向预测模型，对应得到该目标用户针对目标行为的第一预测结果，第二预测结果，和该用户是否被干预的干预倾向分数；接着，根据所述第一预测结果、第二预测结果、干预倾向分数，以及该目标用户的行为标签，确定该目标用户响应干预的增益标签，所述增益标签与所述干预倾向分数成线性关系；再基于所述用户集中各个用户的用户特征和增益标签，训练所述增益模型。
-
公开(公告)号：CN113988291A
公开(公告)日：2022-01-28
申请号：CN202111250535.0
申请日：2021-10-26
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户表征网络的训练方法，包括：将无偏样本的用户特征输入经过预训练的第一用户表征网络，得到第一用户表征向量，并且，将有偏样本的用户特征输入第二用户表征网络，得到第二用户表征向量，其中无偏样本和有偏样本分别通过向用户发放由随机策略和非随机策略确定的权益份额而采集；将得到的两个用户表征向量分别输入判别器，得到对应两个判别结果；以最小化目标函数的函数值为目标，训练判别器，该函数值与第一损失和第二损失正相关，第一损失基于无偏样本对应的判别结果和无偏标识而确定，第二损失基于有偏样本对应的判别结果和有偏标识而确定；以最大化目标函数的函数值为目标，对第二用户表征网络进行训练。
-
公开(公告)号：CN112581191A
公开(公告)日：2021-03-30
申请号：CN202011626281.3
申请日：2020-08-14
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行为预测模型的训练方法，包括：针对目标对象，获取基于多个种子用户形成的多个正样本，其中任意的第一正样本包括，与第一种子用户对应的第一用户特征和正例标签，此标签指示对应用户是被确定为对目标对象做出特定行为的用户；基于多个种子用户各自的用户特征，采用无监督的离群点检测算法，确定第一种子用户的离群分数，作为针对行为预测任务的第一训练权重；利用包括上述多个正样本以及预先获取的多个负样本，对第一行为预测模型进行第一训练，具体包括：将第一用户特征输入第一行为预测模型中，结合得到的行为预测结果和上述正例标签，确定行为预测损失，并利用第一训练权重对其进行加权处理，以训练第一行为预测模型。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
