-
公开(公告)号：CN118626779A
公开(公告)日：2024-09-10
申请号：CN202410599061.8
申请日：2024-05-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06N3/0464 , G06N3/044 , G06N3/0442 , G06N3/0455 , G06F123/02
Abstract: 本说明书实施例提供一种时序预测方法及装置，在时序预测方法中，利用基础预测模型，基于目标测量对象在第一时段之前的前序测量值序列和在第一时段之中的第一测量值序列，得到其在第一时段的第一预测序列，以及在第二时段的第二预测序列，其中第二时段接续第一时段。至少将第一测量值序列、第一预测序列以及第二预测序列输入时序预测模型进行模型处理，得到针对第二时段的残差序列。将第二预测序列与残差序列相叠加，得到针对第二时段的最终预测序列。
-
公开(公告)号：CN115936057A
公开(公告)日：2023-04-07
申请号：CN202211538942.6
申请日：2022-12-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种基于关系网络的模型训练方法、表征确定方法及装置。其中通过注意力模型对用户节点的邻居用户节点进行选择，从而利用选择的邻居用户节点确定关系网络的选择邻接矩阵。接着，通过图神经网络，基于选择邻接矩阵将邻居节点表征向对应的用户节点传播，得到用户聚合表征；利用用户聚合表征和物表征之间的相似度拟合用户与物之间的点击行为，从而与已有点击行为之间的差异构建预测损失，并更新注意力模型。训练后的注意力模型能够选择出更可信的邻居用户。之后，利用注意力模型对用户和商品进行多路径的表征聚合，并利用自监督训练多表征聚合模型，得到最终的用户表征和商品表征，进而利用其相似度拟合用户对商品的点击概率。
-
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。
-
公开(公告)号：CN111369258A
公开(公告)日：2020-07-03
申请号：CN202010160772.7
申请日：2020-03-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种账户类型的预测方法、装置及设备，根据具有交互关联关系的不同实体对象的第一历史行为数据构建第一网络图，通过图神经网络对该第一网络图进行学习，获得表征实体对象之间的交互特征的第一节点向量，再通过该第一节点向量以及基于第二历史行为数据构建的第二网络图对实体对象的类型进行预测，从而可在预测未知类型的实体对象的类型时，可基于实体对象之间的交互特征更加准确地对实体对象的类型进行预测。
-
公开(公告)号：CN117151190A
公开(公告)日：2023-12-01
申请号：CN202311196462.0
申请日：2023-09-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供图表征增强模型训练方法、图表征方法及装置。在进行模型训练时，通过对原始长尾图中的真头部节点进行邻域剪枝来构建稀疏图。使用图表征增强模型来对稀疏图中的各个节点进行图表征增强以得到各个节点的增强节点表征，各个节点的增强节点表征基于增强稀疏图学习出，增强稀疏图通过为稀疏图中的各个节点增强邻域缺失信息得到，各个节点的邻域缺失信息通过图表征增强模型来基于该节点的中心节点表征和邻居节点表征预测出。然后，根据伪尾部节点的增强节点表征以及原始长尾图中的对应真头部节点的节点表征，确定邻域信息预测损失函数；并基于邻域信息预测损失函数，调整图表征增强模型的模型参数。
-
Patent Agency Ranking
公开(公告)号：CN117034088A
公开(公告)日：2023-11-10
申请号：CN202311074369.2
申请日：2023-08-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/24 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本说明书的实施例提供对象分类模型训练方法、对象分类预测方法及装置。在进行模型训练时，将对象图数据样本的对象节点特征数据和图拓扑结构信息提供给教师图神经网络模型来确定出对象图数据样本的用于指导对象分类模型训练的第一分类标签，对象分类模型包括感知机模型。随后，使用对象图数据的对象节点特征数据，在调整后的第一分类标签的指导下训练对象分类模型，对象图数据样本的第一分类标签根据该对象图数据样本的真实标签和该对象图数据样本经过对象分类模型后的第二分类标签进行调整。
-
公开(公告)号：CN116561430A
公开(公告)日：2023-08-08
申请号：CN202310661036.3
申请日：2023-06-05
Applicant: 支付宝(杭州)信息技术有限公司 , 合肥工业大学
IPC: G06F16/9535 , G06Q10/0639 , G06F18/22 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供一种推荐方法及装置，涉及对双曲空间中的目标用户表征矩阵和目标对象表征矩阵进行多轮次迭代更新。该方法中任一轮次的迭代更新包括：先将当前的两个目标表征矩阵分别映射至双曲空间的切平面，得到两个第一表征矩阵；接着，基于构建好的异构图，利用图神经网络更新两个第一表征矩阵得到更新后的两个第二表征矩阵，该异构图中具有预设关联关系的用户节点之间，以及存在预设交互行为的用户节点和对象节点之间形成连接边；再将两个第二表征矩阵分别映射回双曲空间，得到两个第三表征矩阵，用以确定样本用户对样本对象的预测评分；之后，基于预测评分和对应的交互行为标签，在双曲空间中更新当前的两个目标表征矩阵。
-
公开(公告)号：CN112837095A
公开(公告)日：2021-05-25
申请号：CN202110138578.3
申请日：2021-02-01
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对象分配方法和系统，该方法由至少一个处理器执行，其包括：获取待匹配的第一类对象的特征信息；基于所述第一类对象的特征信息以及两个或以上候选第二类对象的特征信息，确定所述第一类对象分别与两个或以上候选第二类对象的匹配值；获取匹配修正参数；至少基于匹配修正参数以及两个或以上的所述匹配值，从所述两个或以上候选第二类对象中选择目标第二类对象，并分配给所述第一类对象。
-
公开(公告)号：CN112085615A
公开(公告)日：2020-12-15
申请号：CN202011009910.8
申请日：2020-09-23
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图神经网络的训练方法，包括：获取关系网络图，其中各个对象节点对应采样概率集，包括针对其每个一阶邻居节点的采样概率；基于该关系网络图，对该图神经网络进行多轮迭代更新，其中任一轮包括：以本轮选取的第一标签节点为中心，进行M阶邻居节点采样，其中任意的第i阶邻居节点采样包括，针对已采样的第i‑1阶邻居节点中任意的第一节点，基于其当前采样概率集，从其一阶邻居节点全集中采样若干邻居节点归入第i阶邻居节点；基于采样到的M阶以内的邻居节点和该第一标签节点带有的第一业务标签，对该图神经网络进行本轮更新；利用更新后图神经网络确定若干邻居节点对应的若干训练反馈，进而更新第一节点的当前采样概率集。
-
公开(公告)号：CN111461904A
公开(公告)日：2020-07-28
申请号：CN202010304997.5
申请日：2020-04-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例公开了对象类别的分析方法及装置，用于解决现有技术中对象类别的分析准确度较低的问题。所述方法包括：获取属于目标类别的第一对象对应的第一文本，及，获取第二对象对应的第二文本。利用预先训练的序列到序列模型及词向量集，确定所述第一文本对应的第一文本向量及所述第二文本对应的第二文本向量，所述序列到序列模型为根据具有相关性标签信息的多个样本文本训练得到，各所述样本文本包含多个有序的样本词语。基于所述第一文本向量及所述第二文本向量，确定所述第一文本及所述第二文本之间的相关性信息。根据所述第一文本及所述第二文本之间的相关性信息，确定所述第二对象是否属于所述目标类别。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.149 seconds)
