-
公开(公告)号：CN111222722A
公开(公告)日：2020-06-02
申请号：CN202010329614.X
申请日：2020-04-24
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针对业务对象进行业务预测的方法和神经网络模型。在该方法中，首先获取业务对象对应的初始特征矩阵，其中包括对应于该业务对象的N项特征的N个原始向量。然后，对初始特征矩阵进行多级处理,每级处理包括，对于本级待处理的第i特征向量，对初始特征矩阵中对应的第i原始向量和各个本级特征向量分别进行线性变换，得到第i变换向量和各个本级变换向量；根据该第i变换向量和各个本级变换向量之间的各个相关度，对其融合结果进行加权组合，由此确定该第i特征向量的下一级特征向量。根据最后一级处理得到的矩阵，得到该业务对象对应的表征向量，根据该表征向量，对业务对象进行业务预测。
-
公开(公告)号：CN111222722B
公开(公告)日：2020-07-24
申请号：CN202010329614.X
申请日：2020-04-24
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针对业务对象进行业务预测的方法和神经网络模型。在该方法中，首先获取业务对象对应的初始特征矩阵，其中包括对应于该业务对象的N项特征的N个原始向量。然后，对初始特征矩阵进行多级处理,每级处理包括，对于本级待处理的第i特征向量，对初始特征矩阵中对应的第i原始向量和各个本级特征向量分别进行线性变换，得到第i变换向量和各个本级变换向量；根据该第i变换向量和各个本级变换向量之间的各个相关度，对其融合结果进行加权组合，由此确定该第i特征向量的下一级特征向量。根据最后一级处理得到的矩阵，得到该业务对象对应的表征向量，根据该表征向量，对业务对象进行业务预测。
-
Patent Agency Ranking
公开(公告)号：CN111046294A
公开(公告)日：2020-04-21
申请号：CN201911377019.7
申请日：2019-12-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535
Abstract: 本说明书实施例提供一种点击率预测方法、推荐方法、装置、模型及设备。在获取目标用户的用户特征以及待推荐对象的属性特征等原始特征后，将用户特征和待推荐对象的属性特征输入到预先训练的点击率预测模型，点击率预测模型可以将用户特征和属性特征进行组合，得到组合特征，并确定各组合特征对应的权重，然后基于原始特征、组合特征以及组合特征的权重预测目标用户点击待推荐对象的概率。通过这种方式，使得点击率的预测更具解释性，同时充分考虑了组合特征对点击率的影响，使得预测结果更加准确。
-
公开(公告)号：CN110941758B
公开(公告)日：2022-09-16
申请号：CN201911113893.X
申请日：2019-11-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06N20/00
Abstract: 本说明书提供一种推荐系统的合成特征生成方法，包括：基于某用户的n个历史特征和m个目标对象特征，生成n×m维的历史与对象矩阵P；n和m为自然数；根据行归一化矩阵B的所有行向量生成m维中间向量θ，基于中间向量θ和列归一化矩阵A得到n维权重向量γ；所述行归一化矩阵B为对历史与对象矩阵P的每行做归一化处理后得到的n×m维矩阵，所述列归一化矩阵A为对历史与对象矩阵P的每列做归一化处理后得到的n×m维矩阵；由权重向量γ和所述n个历史特征，生成合成特征；将所述合成特征输入机器学习推荐模型，对所述用户与所述目标对象的匹配程度进行预测。
-
公开(公告)号：CN111178987B
公开(公告)日：2020-06-30
申请号：CN202010276692.8
申请日：2020-04-10
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训练用户行为预测模型的方法和装置。训练方法包括，获取全量样本，其中包括指示用户是否实施目标行为的第一标签，和指示是否在时间窗口t内实施该行为的第二标签。将各个样本输入用户行为预测模型，通过其中的第一网络部分预测用户实施目标行为的第一概率，以及通过第二网络部分针对实施了目标行为的部分用户，预测其在窗口t内实施的第二概率。将各个样本的第一概率与第一标签进行比对，以及将上述部分用户的第一概率和第二概率的乘积与第二标签比对，确定总损失，据此更新该模型。进一步地，还可以利用仅具有第二标签的短期样本，对模型进行优化，优化时固定第二网络部分，仅对第一网络部分进行更新。
-
公开(公告)号：CN111178987A
公开(公告)日：2020-05-19
申请号：CN202010276692.8
申请日：2020-04-10
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训练用户行为预测模型的方法和装置。训练方法包括，获取全量样本，其中包括指示用户是否实施目标行为的第一标签，和指示是否在时间窗口t内实施该行为的第二标签。将各个样本输入用户行为预测模型，通过其中的第一网络部分预测用户实施目标行为的第一概率，以及通过第二网络部分针对实施了目标行为的部分用户，预测其在窗口t内实施的第二概率。将各个样本的第一概率与第一标签进行比对，以及将上述部分用户的第一概率和第二概率的乘积与第二标签比对，确定总损失，据此更新该模型。进一步地，还可以利用仅具有第二标签的短期样本，对模型进行优化，优化时固定第二网络部分，仅对第一网络部分进行更新。
-
公开(公告)号：CN110941758A
公开(公告)日：2020-03-31
申请号：CN201911113893.X
申请日：2019-11-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06N20/00
Abstract: 本说明书提供一种推荐系统的合成特征生成方法，包括：基于某用户的n个历史特征和m个目标对象特征，生成n×m维的历史与对象矩阵P；n和m为自然数；根据行归一化矩阵B的所有列向量生成m维中间向量θ，基于中间向量θ和列归一化矩阵A得到n维权重向量γ；所述行归一化矩阵B为对历史与对象矩阵P的每行做归一化处理后得到的n×m维矩阵，所述列归一化矩阵A为对历史与对象矩阵P的每列做归一化处理后得到的n×m维矩阵；由权重向量γ和所述n个历史特征，生成合成特征；将所述合成特征输入机器学习推荐模型，对所述用户与所述目标对象的匹配程度进行预测。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
