公开(公告)号：CN116362796A

公开(公告)日：2023-06-30

申请号：CN202310336585.3

申请日：2023-03-31

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 朱峰 ,  钟明洁 ,  杨新星 ,  彭志成 ,  李龙飞 ,  余露 ,  张铁华 ,  周俊

IPC: G06Q30/0202 ,  G06Q30/0601 ,  G06F16/9535 ,  G06F16/9537 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 本说明书实施例提供了一种用于预测转化率的点击转化模型训练方法和系统，其中，点击转化模型包括点击模型和转化模型，该方法包括：获取训练样本；其中，训练样本包括样本用户的特征和样本对象的特征，以及与样本对象对应的标签；通过点击模型对样本用户的特征和样本对象的特征进行处理，获取点击模型的输出；通过转化模型对来自点击模型的数据、样本用户的特征和样本对象的特征进行处理，获取转化模型的输出；基于点击模型的输出和转化模型的输出构建损失函数，根据损失函数的值对点击转化模型的参数进行调整，以减小模型输出与对应的标签之间的差异。

公开(公告)号：CN116401453A

公开(公告)日：2023-07-07

申请号：CN202310355474.7

申请日：2023-03-31

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王伟帆 ,  胡斌斌 ,  张志强 ,  周俊 ,  彭志成 ,  钟明洁 ,  刘忠义

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/9537 ,  G06F16/332 ,  G06F16/33 ,  G06F16/35 ,  G06F18/2415 ,  G06F40/30 ,  G06N3/09

Abstract: 本说明书的实施例提供了一种用于训练长尾数据表征模型的方法和装置。在该用于训练长尾数据表征模型的方法中，循环执行下述模型训练过程：将当前训练样本集的头部子图数据和尾部子图数据分别提供给当前长尾数据表征模型的第一图神经网络和第二图神经网络，得到当前训练样本集的头部历史查询数据节点和尾部历史查询数据节点分别对应的特征表征；针对各个尾部历史查询数据节点，在当前训练样本集中确定该尾部历史查询数据节点的匹配头部历史查询数据节点；根据由尾部历史查询数据节点和对应的匹配头部历史查询数据节点组成的正样本对，确定知识迁移对比损失值；响应于不满足训练结束条件，基于知识迁移对比损失值调整当前长尾数据表征模型的参数。

公开(公告)号：CN115033916A

公开(公告)日：2022-09-09

申请号：CN202210634258.1

申请日：2022-06-07

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 彭志成 ,  陈维 ,  钟明洁

IPC: G06F21/62 ,  G06F21/60 ,  G06Q30/02

Abstract: 本说明书实施例提供一种基于多方联合数据训练推送模型及信息推送的方法和装置，在信息推送业务场景下，联合多个数据方的用户数据进行信息推送。在联合使用多个数据方的用户数据的过程中，为了保护数据隐私，可以通过差分隐私、同态加密、用统计值、排序值等中的至少一项对本地数据加密，然后对加密数据进行整合，得到密文分布数据作为推送模型的输入数据。由于推送模型只感知密文状态下的数据分布，而不使用真实数值，从而可以保护各个数据方的数据隐私，为跨域的信息推送提供有效的实现方式。

公开(公告)号：CN113094604A

公开(公告)日：2021-07-09

申请号：CN202110405668.4

申请日：2021-04-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 陈维 ,  母亦翔 ,  钟明洁 ,  刘忠义 ,  彭志成

IPC: G06F16/9538 ,  G06F16/953

Abstract: 本说明书实施例提供搜索结果排序方案。在该搜索结果排序方案中，从查询语句相邻关系图中获取查询语句的相邻查询语句，所述查询语句相邻关系图用于指示查询语句之间的相邻关系，其中，两个查询语句之间存在相邻关系表示该两个查询语句存在至少一条相同的点击搜索结果。确定查询语句的各个搜索结果与查询语句集之间的语义匹配度，所述查询语句集包括查询语句和相邻查询语句。使用点击率预测模型来根据搜索发起用户的用户特征数据、查询语句的第一文本特征数据和各个搜索结果的第二文本特征数据，预测各个搜索结果的点击率预测结果。然后，根据各个搜索结果的语义匹配度和点击率预测结果，对各个搜索结果进行排序。

公开(公告)号：CN113094604B

公开(公告)日：2022-05-03

申请号：CN202110405668.4

申请日：2021-04-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 陈维 ,  母亦翔 ,  钟明洁 ,  刘忠义 ,  彭志成

IPC: G06F16/9538 ,  G06F16/953

Abstract: 本说明书实施例提供搜索结果排序方案。在该搜索结果排序方案中，从查询语句相邻关系图中获取查询语句的相邻查询语句，所述查询语句相邻关系图用于指示查询语句之间的相邻关系，其中，两个查询语句之间存在相邻关系表示该两个查询语句存在至少一条相同的点击搜索结果。确定查询语句的各个搜索结果与查询语句集之间的语义匹配度，所述查询语句集包括查询语句和相邻查询语句。使用点击率预测模型来根据搜索发起用户的用户特征数据、查询语句的第一文本特征数据和各个搜索结果的第二文本特征数据，预测各个搜索结果的点击率预测结果。然后，根据各个搜索结果的语义匹配度和点击率预测结果，对各个搜索结果进行排序。

公开(公告)号：CN118427366A

公开(公告)日：2024-08-02

申请号：CN202410572352.8

申请日：2024-05-09

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 陈维 ,  陈泽远 ,  彭志成 ,  钟明洁 ,  徐家 ,  刘忠义

IPC: G06F16/383 ,  G06F18/214

Abstract: 本说明书提供一种检索方法、检索模型的训练方法、系统，包括：获得目标搜索词，根据目标搜索词生成目标提示信息，其中，目标提示信息指示与目标搜索词对应的目标对象检索任务，根据预先训练的检索模型对目标提示信息进行预测，得到并输出与目标搜索词对应的目标检索对象，其中，检索模型是基于第一样本数据对目标大语言模型进行训练得到的，相对而言，本说明书提供的技术方案充分利用了大语言模型的强大能力，因此，可以既快速又深入地学习用户的输入和上下文，以快速且准确的理解搜索用户的需求和意图的能力，从而确定更加符合用户期望的检索结果，提升了用户的体验和满意度。