-
Patent Agency Ranking
公开(公告)号：CN114048355A
公开(公告)日：2022-02-15
申请号：CN202210023951.5
申请日：2022-01-11
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 敬斌
IPC: G06F16/901 , G06F16/903 , G06F16/904
Abstract: 本说明书实施例公开了基于图数据生成N跳子图的方法和系统。其中，图数据包括节点数据和边数据，N≥2。所述方法包括：获取起始节点的节点标识；基于起始节点的节点标识以及所述边数据，经过一轮搜索或多轮迭代搜索，获取所述起始节点的N‑1跳子图所包含的外围节点的节点标识；基于节点标识获取所述起始节点以及各外围节点的1跳子图，并基于所述起始节点以及各外围节点的1跳子图得到所述起始节点的N跳子图。其中，1跳子图包括该子图的中心节点与第1跳节点的节点数据及节点间的边数据。
-
公开(公告)号：CN118052264A
公开(公告)日：2024-05-17
申请号：CN202410190033.0
申请日：2024-02-20
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训练图神经网络的方法和装置。该方法的一具体实施方式包括：接收用户设置的配置信息，其中，所述配置信息包括针对目标知识图谱中若干项属性分别设置的特征处理算子；所述若干项属性包括实体的属性和/或关系的属性；从所述目标知识图谱中获取子图的原始数据，其中，所述原始数据包括所述若干项属性的第一形式的属性值，所述第一形式为用户可读可理解的形式；根据所述配置信息，采用所述特征处理算子分别处理所述第一形式的属性值，得到所述若干项属性的第二形式的特征表示，所述第二形式为数值化或向量化编码的形式；根据所述子图对应的特征图数据训练目标图神经网络，所述特征图数据基于所述第二形式的特征表示形成。
-
公开(公告)号：CN117194690A
公开(公告)日：2023-12-08
申请号：CN202311267500.7
申请日：2023-09-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例涉及一种在分布式系统中进行图数据分配的方法和装置，所述分布式系统包含排列为N*N维设备矩阵的N*N台工作设备，所述方法通过其中任意的第一工作设备执行，包括：获取第一图数据中若干节点的节点数据以及若干连接边，根据任一节点的节点数据，使用预设的映射函数确定所述节点的目标编号，然后对于任意的目标连接边，使用第一映射规则，将其连接的两个目标节点的两个目标编号分别映射为N*N维设备矩阵中的行索引和列索引，根据行索引和列索引在所述设备矩阵中确定目标工作设备，然后将所述目标连接边和所述两个目标节点的相关数据发送到所述目标工作设备。
-
公开(公告)号：CN114511100B
公开(公告)日：2023-01-13
申请号：CN202210393596.0
申请日：2022-04-15
Applicant: 支付宝(杭州)信息技术有限公司(CN)
IPC: G06N20/00
Abstract: 本说明书实施例提供了一种支持多引擎框架的图模型任务实现方法和系统，包括图模型任务处理方法和图模型任务部署方法，任务处理方法包括：获取预设数据格式的图数据；从两种以上机器学习引擎和/或两种以上图学习框架中，确定目标机器学习引擎或目标图学习框架；将所述图数据从所述预设数据格式转换为与所述目标机器学习引擎或所述目标图学习框架对应的数据格式，得到目标输入数据；将所述目标输入数据提供给所述目标机器学习引擎或所述目标图学习框架，通过所述目标机器学习引擎或所述目标图学习框架基于其支持的机器学习模型处理所述目标输入数据实现图模型任务。
-
公开(公告)号：CN114511100A
公开(公告)日：2022-05-17
申请号：CN202210393596.0
申请日：2022-04-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书实施例提供了一种支持多引擎框架的图模型任务实现方法和系统，包括图模型任务处理方法和图模型任务部署方法，任务处理方法包括：获取预设数据格式的图数据；从两种以上机器学习引擎和/或两种以上图学习框架中，确定目标机器学习引擎或目标图学习框架；将所述图数据从所述预设数据格式转换为与所述目标机器学习引擎或所述目标图学习框架对应的数据格式，得到目标输入数据；将所述目标输入数据提供给所述目标机器学习引擎或所述目标图学习框架，通过所述目标机器学习引擎或所述目标图学习框架基于其支持的机器学习模型处理所述目标输入数据实现图模型任务。
-
-
-
-
Search Results
5
records
(took 0.037 seconds)
