-
公开(公告)号：CN114648345B
公开(公告)日：2024-08-02
申请号：CN202011497232.4
申请日：2020-12-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0251 , G06F18/22 , G06F18/214 , G06F18/25
Abstract: 本说明书实施例提供一种训练表征模型及确定实体表征向量的方法，通过表征模型，在按照不同关联关系建立的关系网络构成的异构图中，将单个关系网络中各个业务实体的表达向量与其邻居节点的表达向量相融合，得到相应的各个局部表征向量，进一步地，针对单个业务实体，将其在各个关系网络中的局部表征向量融合在一起，得到全局表征向量，然后，按照全局表征向量的相似性来进行业务处理，例如确定信息推送的目标实体等。由于通过异构图及表征模型进行多模态数据的融合，从而可以提升各种业务实体(如户外广告业务场景中涉及的用户、商户和户外广告牌)的特征表示的准确性，进而可以提升相关业务处理效果。
-
公开(公告)号：CN111241226B
公开(公告)日：2023-05-05
申请号：CN202010027902.X
申请日：2020-01-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/29 , G06F16/901 , G06Q30/0204 , G06Q50/26
Abstract: 本公开提供了一种选址方法、装置及设备，该选址方法包括：确定待选址区域内参考点的第一集合；从所述第一集合中选择距离不小于第二阈值的多对所述参考点作为候选点，第二阈值大于第一阈值；基于所述多对候选点构建网络图，所述网络图包括所述候选点以及所述候选点之间的边，所述网络图为有向图，所述网络图中的各边的指向为第一方向；将所述网络图分割为n个子网络图，将所述n个子网络图分发至n个服务器，以使所述各服务器对于接收到的子网络图中的各所述候选点，依次排除与该候选点在所述第一方向上相邻的候选点中距离不小于所述第二阈值的候选点，将与该候选点在所述第一方向上相邻的候选点中距离小于所述第二阈值的候选点确定为选址点。
-
公开(公告)号：CN114648345A
公开(公告)日：2022-06-21
申请号：CN202011497232.4
申请日：2020-12-17
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表征模型及确定实体表征向量的方法，通过表征模型，在按照不同关联关系建立的关系网络构成的异构图中，将单个关系网络中各个业务实体的表达向量与其邻居节点的表达向量相融合，得到相应的各个局部表征向量，进一步地，针对单个业务实体，将其在各个关系网络中的局部表征向量融合在一起，得到全局表征向量，然后，按照全局表征向量的相似性来进行业务处理，例如确定信息推送的目标实体等。由于通过异构图及表征模型进行多模态数据的融合，从而可以提升各种业务实体(如户外广告业务场景中涉及的用户、商户和户外广告牌)的特征表示的准确性，进而可以提升相关业务处理效果。
-
公开(公告)号：CN111489208A
公开(公告)日：2020-08-04
申请号：CN202010306198.1
申请日：2020-04-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种业务推广信息的匹配管理方法、装置及处理设备，可以获取各个待处理业务推广信息和待处理业务推广设备的特征信息，利用预先建立的业务推广信息匹配模型对待处理业务推广信息和待处理业务推广设备进行匹配评分，确定出合适的业务推广方案，将各个待处理业务推广信息展示在待处理业务推广设备上。而不是将业务推广信息展示在所有的业务推广设备上，以实现业务推广信息展示的多元化，提高了业务推广的效果。
-
公开(公告)号：CN111241226A
公开(公告)日：2020-06-05
申请号：CN202010027902.X
申请日：2020-01-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/29 , G06F16/901 , G06Q30/02 , G06Q50/26
Abstract: 本公开提供了一种选址方法、装置及设备，该选址方法包括：确定待选址区域内参考点的第一集合；从所述第一集合中选择距离不小于第二阈值的多对所述参考点作为候选点，第二阈值大于第一阈值；基于所述多对候选点构建网络图，所述网络图包括所述候选点以及所述候选点之间的边，所述网络图为有向图，所述网络图中的各边的指向为第一方向；将所述网络图分割为n个子网络图，将所述n个子网络图分发至n个服务器，以使所述各服务器对于接收到的子网络图中的各所述候选点，依次排除与该候选点在所述第一方向上相邻的候选点中距离不小于所述第二阈值的候选点，将与该候选点在所述第一方向上相邻的候选点中距离小于所述第二阈值的候选点确定为选址点。
-
Patent Agency Ranking
公开(公告)号：CN111309838A
公开(公告)日：2020-06-19
申请号：CN202010089961.X
申请日：2020-02-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/29 , G06F16/2458 , G06F16/9537 , G06Q50/26
Abstract: 本说明书的实施例提供了用于确定用户出行数据的方法、装置、计算设备和机器可读存储介质。该方法可以包括：基于用户终端接收的多个信号，生成初始序列，初始序列包括m个元素，每个元素与多个信号中的一组信号相对应，该组信号是连续接收的并且指示同一车站或公交车辆；基于初始序列，确定第一子序列，第一子序列的n个元素分别包括不同的车站标识，并且n个元素中的车站标识与已知公交运行线路相匹配；基于第一子序列，确定第二子序列，第二子序列的k个元素是位于n个元素中的第一个元素与最后一个元素之间的并且包括公交车辆标识的元素；基于第二子序列，确定目标公交车辆；基于第一子序列和目标公交车辆，确定用户的出行数据。
-
公开(公告)号：CN111309838B
公开(公告)日：2023-05-02
申请号：CN202010089961.X
申请日：2020-02-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/29 , G06F16/2458 , G06F16/9537 , G06Q50/26
Abstract: 本说明书的实施例提供了用于确定用户出行数据的方法、装置、计算设备和机器可读存储介质。该方法可以包括：基于用户终端接收的多个信号，生成初始序列，初始序列包括m个元素，每个元素与多个信号中的一组信号相对应，该组信号是连续接收的并且指示同一车站或公交车辆；基于初始序列，确定第一子序列，第一子序列的n个元素分别包括不同的车站标识，并且n个元素中的车站标识与已知公交运行线路相匹配；基于第一子序列，确定第二子序列，第二子序列的k个元素是位于n个元素中的第一个元素与最后一个元素之间的并且包括公交车辆标识的元素；基于第二子序列，确定目标公交车辆；基于第一子序列和目标公交车辆，确定用户的出行数据。
-
公开(公告)号：CN114549029A
公开(公告)日：2022-05-27
申请号：CN202011337558.0
申请日：2020-11-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的实施例提供用于确定广告投放的广告屏的方法、装置及广告投放系统。在该方法中，根据历史用户数据和广告屏集合中的各个广告屏的屏幕位置信息，确定可投放广告屏组合集中的各个可投放广告屏组合在规定广告投放时段内的去重触达用户数量，所述历史用户数据包括用户位置数据和用户标识数据，各个可投放广告屏组合的去重触达用户是可被该可投放广告屏组合的所有投放广告屏触达且不被该可投放广告屏组合之外的广告屏触达的触达用户。然后，基于各个可投放广告屏组合的去重触达用户数量以及广告投放的业务限制条件，确定广告投放的目标广告屏，所述目标广告屏为触达用户最多的广告屏集合。
-
公开(公告)号：CN112291374B
公开(公告)日：2021-03-23
申请号：CN202011597672.7
申请日：2020-12-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开一种物联网设备特征获取方法及装置，包括获取多台物联网设备的位置信息以及用户行为信息；根据获取的信息构建以设备为节点、以设备间关联关系为边的设备关联图；基于所构建的设备关联图，得到路径集；所述路径集中任一路径为所述关联图中的任一无环路径；利用所述路径集中任一路径生成若干条训练样本，以根据所述路径集得到训练样本集；其中，任一训练样本以任一路径中的节点为特征值，以该路径中该节点的相邻节点为标签值；基于所述训练样本集训练深度学习模型；利用训练后的深度学习模型的隐藏层信息获取物联网设备特征。
-
公开(公告)号：CN112291374A
公开(公告)日：2021-01-29
申请号：CN202011597672.7
申请日：2020-12-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开一种物联网设备特征获取方法及装置，包括获取多台物联网设备的位置信息以及用户行为信息；根据获取的信息构建以设备为节点、以设备间关联关系为边的设备关联图；基于所构建的设备关联图，得到路径集；所述路径集中任一路径为所述关联图中的任一无环路径；利用所述路径集中任一路径生成若干条训练样本，以根据所述路径集得到训练样本集；其中，任一训练样本以任一路径中的节点为特征值，以该路径中该节点的相邻节点为标签值；基于所述训练样本集训练深度学习模型；利用训练后的深度学习模型的隐藏层信息获取物联网设备特征。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
