-
公开(公告)号：CN117668539A
公开(公告)日：2024-03-08
申请号：CN202311573017.1
申请日：2023-11-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/21
Abstract: 本说明书一个或多个实施例提供一种模型微调方法及装置、电子设备及存储介质，所述方法包括：将多个训练样本输入至待微调模型，得到所述待微调模型输出的每个训练样本的预测结果，其中，所述多个训练样本属于一个以上任务；根据每个训练样本的预测结果和对应的训练样本的标签，确定每个训练样本的损失值；对于每个任务，根据所述任务的每个训练样本的损失值和所述多个训练样本中属于所述任务的所有训练样本的数据量，确定所述任务的损失值；根据每个任务的损失值确定总损失值，并根据所述总损失值对待微调模型的参数进行微调。
-
公开(公告)号：CN115357339A
公开(公告)日：2022-11-18
申请号：CN202210974427.6
申请日：2022-08-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种计算资源的配置方法及装置，基于流量预测和强化学习的决策评估相结合的构思，在流量时序预测基础上，进行各种应用的计算资源配置。其中，在配置过程中，一方面，基于表征向量对各个应用进行表征，使得计算资源配置方案具有迁移能力，即使面对新应用，也可以基于表征向量适用相应的流量与CPU利用率的关系，另一方面，基于强化学习的策略评估机制，以目标CPU利用率为目标确定长期回报，从而在最大化长期回报基础上对计算资源配置的决策结果进行调整，使得计算资源配置方案尽可能以较小的成本接近目标CPU利用率。该计算资源配置的技术方案，可以为云计算提供更有效的扩缩容机制。
-
公开(公告)号：CN115048992A
公开(公告)日：2022-09-13
申请号：CN202210630555.9
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先从历史时间序列获取训练数据，所述训练数据包括连续n个时间点的指标值，所述n为大于1的正整数；然后利用所述训练数据训练状态空间模型，得到时间序列预测模型；其中，依时间顺序将各时间点分别作为第ts个时间点执行：将第ts个时间点的指标值输入所述状态空间模型，由所述状态空间模型依据所述第ts个时间点及其之前各时间点的指标值预测所述第ts个时间点之后τ个时间点的指标值，所述τ为预设的正整数；训练目标包括最小化预测的指标值与训练数据中对应指标值的差异；其中，在所述预测中将待预测时间点之前各时间点的隐状态表示进行注意力机制的处理来得到所述待预测时间点的隐状态表示。
-
公开(公告)号：CN115526402A
公开(公告)日：2022-12-27
申请号：CN202211215171.7
申请日：2022-09-30
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指标预测方法、装置、电子设备及存储介质。所述方法包括：获取目标指标序列，目标指标序列包括预设服务在M个时间点的M个指标值；获取与目标指标序列所属指标对应的目标权重向量；任一指标对应的权重向量用于表征该指标在时序上的变化特点；利用预先训练好的指标预测模型，对携带有各个指标值对应的协变量和位置向量的目标指标序列和目标权重向量进行处理，获取在未来的N个时间点的N个预测指标值；其中，M、N为大于1的整数。本实施例实现基于不同指标对应的权重向量，通过一个指标预测模型对属于不同指标的指标序列进行预测。
-
公开(公告)号：CN115186229A
公开(公告)日：2022-10-14
申请号：CN202210630578.X
申请日：2022-06-06
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建立时序预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先获取连续n个时间序列，每个时间序列中包含多个时间点的指标值，所述n为大于1的正整数；然后对所述n个时间序列分别进行凸包提取，得到n个凸包时间序列；最后将所述n个凸包时间序列输入预先训练得到的时序预测模型，得到所述时序预测模型对所述n个等时长的时间序列之后τ个时间序列的统计指标数据，所述τ为大于或等于1的正整数，各时间序列的长度相等。
-
Patent Agency Ranking
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
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：CN118916372A
公开(公告)日：2024-11-08
申请号：CN202410919551.1
申请日：2024-07-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/242 , G06F16/2452
Abstract: 本说明书实施例提供一种生成SQL语句的方法及装置，在利用自然语言描述信息生成SQL语句过程中，根据以自然语言描述当前业务的描述信息，确定数据库中的若干数据表作为候选数据表，然后通过预先训练的生成模型处理各个候选数据表和描述信息，得到针对当前业务的多个候选SQL语句，接着利用从历史SQL语句库获取的提示信息，通过大模型对各个候选SQL语句进行评分，从而确定评分最高的SQL语句作为目标语句。该实施方式可以兼顾自然语言生成的SQL语句的准确性，以及数据的隐私性。
-
公开(公告)号：CN116484968A
公开(公告)日：2023-07-25
申请号：CN202310260194.8
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06N3/0455 , G06F16/35
Abstract: 本说明书实施例提供一种训练生成模型、为文本分类器生成训练样本的方法及装置，在训练生成模型的方法中，针对第一文本样本分别进行第一处理和第二处理。其中，第一处理包括，通过第一编码器，确定第一文本样本的语义向量。通过文本分类器，基于语义向量，预测第一文本样本的第一类别，构建对应于第一类别的第一提示文本。第二处理包括，通过第二编码器，确定第一文本样本在目标向量空间中对应的第一离散向量。通过解码器，基于第一提示文本和第一离散向量，确定第一文本样本的重构文本。基于重构损失，训练生成模型，该重构损失基于第一文本样本和重构文本确定。
-
公开(公告)号：CN115688030A
公开(公告)日：2023-02-03
申请号：CN202211297065.8
申请日：2022-10-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2431 , G06F18/214 , G06Q10/04 , G06N5/00 , G06N20/00
Abstract: 本说明书提供一种时序数据的分类方法和时序数据的预测方法，其中时序数据的分类方法包括：获取时序数据，并提取出所述时序数据对应的时序特征，所述时序特征包括极值波动稳定性特征，所述极值波动稳定性特征用于表征所述时序数据包含的各极值点的波动稳定性；将所述时序特征输入时序分类模型，得到所述时序数据对应的时序类别，不同的时序类别用于区分所含极值点具有不同波动稳定性的时序数据。
-
公开(公告)号：CN115098247A
公开(公告)日：2022-09-23
申请号：CN202210629029.0
申请日：2022-06-06
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资源分配方法和装置。根据该实施例的方法，首先获取各应用服务的流量时间序列，所述流量时间序列包括连续多个时间点的流量数据；然后对各应用服务的流量时间序列进行聚类，得到一个以上的分组；再分别针对各分组确定容量伸缩策略，所述容量伸缩策略用于分组对应的应用服务的容量资源分配。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.033 seconds)
