-
公开(公告)号：CN118229433A
公开(公告)日：2024-06-21
申请号：CN202410425214.7
申请日：2024-04-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开提供一种数据驱动的组合决策模型参数更新方法和系统，包括：获得离线数据集，根据离线数据集对初始组合决策模型的当前模型参数进行迭代优化，得到满足预设结束迭代优化条件的目标模型参数，在第i次迭代优化中包括：根据离线数据集和第i次模型参数确定约束违反程度，并根据约束违反程度和离线数据集确定第i+1次模型参数，即提供了一种非梯度法对初始组合决策模型的模型参数进行更新的方法和系统，避免了相关技术中基于梯度法更新造成的收敛效率低的弊端，提高了模型参数更新的效率，且通过结合离线数据集中的历史组合决策相关信息确定约束违反程度，以使得目标组合决策模型的约束违反程度满足全局约束需求，从而提高组合决策的有效性和可靠性。
-
公开(公告)号：CN114840342A
公开(公告)日：2022-08-02
申请号：CN202210519426.2
申请日：2022-05-13
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资源调配方法、装置以及设备，属于机器学习技术领域。方案包括：确定确定与可用资源相关的业务属性，并待预测的用于描述所述业务属性变化情况的宏观时间序列所对应的多个微观时间序列；对所述多个微观时间序列进行聚类，得到多个微观时间序列组；分别对各所述微观时间序列组进行预测，得到各所述微观时间序列组的预测值；根据各所述微观时间序列组的预测值，预测得到所述宏观时间序列的预测值；根据所述宏观时间序列的预测值，向所述业务属性对应的业务调配所述可用资源。
-
公开(公告)号：CN116385071A
公开(公告)日：2023-07-04
申请号：CN202310660434.3
申请日：2023-06-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0242 , G06F9/48
Abstract: 本说明书实施例提供一种针对多个推荐场景的资源弹性调度方法和装置，方法包括：基于所述多个推荐场景中任一目标场景的历史流量构成的第一流量序列，预测未来的第一时间周期内的各个流量构成的第二流量序列；所述第一时间周期内存在多个决策时刻；基于所述第二流量序列，确定所述目标场景在各个决策时刻的资源需求；根据与资源节约以及资源变更有关的多个优化目标，在各个推荐场景满足其对应的资源需求的约束下，确定所述多个推荐场景在未来的各个决策时刻所分配的资源。能够实现多个推荐场景上的资源的自动扩缩容，使得资源的平均水位提高，提升资源整体利用率。
-
Patent Agency Ranking
公开(公告)号：CN113822371A
公开(公告)日：2021-12-21
申请号：CN202111163343.6
申请日：2021-09-30
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训练分组模型，以及对时序数据进行分组的方法。训练分组模型的方法包括以下步骤：获取时序样本集，其中任意样本包括，单个业务对象在n个时段的n个指标值构成的序列。将上述样本输入分组模型，得到该样本分属于K个分组的预测概率分布。此外，还将该样本分别输入与K个分组对应的K个解码网络，得到K个重构样本。于是，可以根据样本集中各个样本的预测概率分布与预设的先验分布，确定总分布损失；并根据各个样本分别对应的K个重构样本，以及预测概率分布，确定总重构损失。然后根据总分布损失和总重构损失，训练分组模型和K个解码网络。在训练之后，可以利用训练好的分组模型，对微观时序样本进行分组。
-
公开(公告)号：CN114840342B
公开(公告)日：2025-01-24
申请号：CN202210519426.2
申请日：2022-05-13
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资源调配方法、装置以及设备，属于机器学习技术领域。方案包括：确定确定与可用资源相关的业务属性，并待预测的用于描述所述业务属性变化情况的宏观时间序列所对应的多个微观时间序列；对所述多个微观时间序列进行聚类，得到多个微观时间序列组；分别对各所述微观时间序列组进行预测，得到各所述微观时间序列组的预测值；根据各所述微观时间序列组的预测值，预测得到所述宏观时间序列的预测值；根据所述宏观时间序列的预测值，向所述业务属性对应的业务调配所述可用资源。
-
公开(公告)号：CN113822371B
公开(公告)日：2024-11-22
申请号：CN202111163343.6
申请日：2021-09-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2415 , G06F18/214 , G06Q10/04 , G06N3/0455 , G06N3/047 , G06N3/0442 , G06N3/045
Abstract: 本说明书实施例提供了训练分组模型，以及对时序数据进行分组的方法。训练分组模型的方法包括以下步骤：获取时序样本集，其中任意样本包括，单个业务对象在n个时段的n个指标值构成的序列。将上述样本输入分组模型，得到该样本分属于K个分组的预测概率分布。此外，还将该样本分别输入与K个分组对应的K个解码网络，得到K个重构样本。于是，可以根据样本集中各个样本的预测概率分布与预设的先验分布，确定总分布损失；并根据各个样本分别对应的K个重构样本，以及预测概率分布，确定总重构损失。然后根据总分布损失和总重构损失，训练分组模型和K个解码网络。在训练之后，可以利用训练好的分组模型，对微观时序样本进行分组。
-
公开(公告)号：CN118247043A
公开(公告)日：2024-06-25
申请号：CN202410430374.0
申请日：2024-04-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/03 , G06Q30/0601
Abstract: 本说明书实施例公开了一种针对元素组合的业务处理方法、装置以及设备。方案包括：确定包含多个候选元素的候选组合，以及确定预先相应训练过的神经网络模型；利用非负单调非减的凹激活函数，获取所述候选组合整体的非负特征；利用所述神经网络模型，对所述候选组合整体的非负特征进行处理，得到反映了所述候选组合整体符合指定目标的可能性的处理结果，其中，所述神经网络模型所使用的权重为非负权重，所使用的激活函数为非负单调非减的凹激活函数，若所述候选组合中指定的部分候选元素符合所述指定目标，则所述候选组合整体符合所述指定目标；根据所述处理结果，确定是否根据所述候选组合，执行与所述指定目标相关的业务。
-
公开(公告)号：CN118195066A
公开(公告)日：2024-06-14
申请号：CN202410298561.8
申请日：2024-03-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/04 , G06F9/48 , G06F9/50 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例提供了用于对资源进行弹性调度的方法及装置。在该方法中，基于历史流量数据对未来指定时间段的流量进行预测，以得到针对未来指定时间段的预测流量；获取资源利用率预估模型，其中，资源利用率预估模型根据未来指定时间段的上一历史时间段内的真实资源利用率和预估资源利用率进行模型参数调整后得到；根据预测流量和资源利用率预估模型构建优化模型，其中，优化模型在满足约束条件的情况下使得预估资源利用率与资源利用率阈值之间的差值最小化；以及求解优化模型，得到未来指定时间段内的资源调整量，以使资源根据资源调整量进行调整。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
