公开(公告)号：CN119782807A

公开(公告)日：2025-04-08

申请号：CN202411775767.1

申请日：2024-12-04

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 韩彬 ,  孙一轩 ,  张雅淋 ,  胡皓然 ,  张立邦 ,  李龙飞 ,  周俊

IPC: G06F18/214 ,  G06F18/10 ,  G06N3/08 ,  G06N3/045 ,  G06Q20/40

Abstract: 本说明书实施例提供了一种用户样本的筛选方法及装置。第一训练集中包含多个用户样本，每一个用户样本具有多套风险标签。针对任意的第一用户样本，获取第一用户样本的多套风险标签分别对应的损失值，多个损失值从对第一神经网络的训练过程中得到。接着，从第一用户样本的多个损失值对应的第一融合损失中扣除第一值，得到修正损失。其中，第一值利用多个损失值的分布特征确定，用于体现由第一神经网络包含的误差而导致增大的损失值。在得到若干用户样本的修正损失时，基于该修正损失从第一训练集中筛选用户样本及其风险标签，并加入第三训练集。用户样本中包含隐私数据，在数据处理过程中需要进行隐私保护。

公开(公告)号：CN119441633A

公开(公告)日：2025-02-14

申请号：CN202411471069.2

申请日：2024-10-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 朱峰 ,  杨新星 ,  李龙飞 ,  周俊

IPC: G06F16/9536 ,  G06F18/25

Abstract: 本说明书提供了一种跨域推荐方法及相关设备。该方法包括：获取多个领域的数据集；其中，各个领域的数据集中包含与该领域中的多个实体相关的数据；所述多个实体中包含目标实体；基于所述多个领域的数据集，针对所述目标实体分别进行特征提取，得到与所述多个领域对应的多个目标实体特征；根据所述多个领域的数据集中包含的实体的数据密度，确定所述多个领域相对于所述多个领域中的任一目标领域的权重；基于所述多个领域的权重，对所述多个目标实体特征进行加权融合，并基于加权融合后的目标实体特征，在所述目标领域中执行与所述目标实体相关的推荐任务。

公开(公告)号：CN115034330B

公开(公告)日：2024-10-29

申请号：CN202210741054.8

申请日：2022-06-27

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李龙飞 ,  周俊

IPC: G06F18/2431 ,  G06N20/00 ,  G06F18/214

Abstract: 本说明书实施例提供了基于样本特征的有向关联关系的随机森林训练方法及随机森林训练装置。在该随机森林训练方法中，基于经过打标的多个训练样本进行针对样本特征的结构学习，得到由该多个训练样本的样本特征以及样本标记作为节点构成的DAG；根据DAG中的样本标记节点从DAG中抽取由样本特征节点构成的有向关联路径，该有向关联路径中的各个样本特征节点按序有向连接；基于所抽取的有向关联路径来训练决策树；以及基于训练得到的决策树构建随机森林。

公开(公告)号：CN118822711A

公开(公告)日：2024-10-22

申请号：CN202410797777.9

申请日：2024-06-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张跃 ,  杨新星 ,  朱峰 ,  李龙飞 ,  蒋林玻 ,  周俊

IPC: G06Q40/03 ,  G06N3/045 ,  G06N3/0985 ,  G06N3/096

Abstract: 本说明书实施例提供一种用于多机构的风险预测模型的训练、预测方法和装置。训练方法包括：分布式系统内的任一工作节点获取目标机构对应的一批样本构成的目标样本集，样本包括目标机构的样本用户的用户特征和样本用户的风险标签；在第一阶段，根据目标样本集，与其他工作节点联合确定多个机构对应的多个风险预测模型的元基础参数；多个风险预测模型具有共享的特征表示网络，任一风险预测模型具有对应机构专用的预测网络；在第二阶段，根据目标样本集，在元基础参数的基础上，调整目标机构的目标风险预测模型中预测网络的专属参数。

公开(公告)号：CN118779529A

公开(公告)日：2024-10-15

申请号：CN202410970177.8

申请日：2024-07-18

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 任彦昆 ,  李龙飞

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N20/00

Abstract: 本说明书实施例提供一种序列推荐方法和装置。方法包括：获取用户历史交互的多个对象构成的对象序列；对象具有对象标识和对应于若干项基础属性特征的第一特征信息；利用对象序列中任一对象的第一特征信息构造提示文本，将提示文本输入大语言模型，得到该对象的文本描述信息；文本描述信息至少包括对应于扩展属性特征的第二特征信息；确定对象序列中各个对象分别具有的对象标识对应的第一嵌入表示，以及确定各个对象分别具有的文本描述信息对应的第二嵌入表示；将对象序列中各个对象分别对应的第一嵌入表示和第二嵌入表示输入序列推荐模型中，得到向用户推荐的目标对象。能够提升推荐的准确性。

公开(公告)号：CN116955816A

公开(公告)日：2023-10-27

申请号：CN202310905557.9

申请日：2023-07-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵晗 ,  崔卿 ,  李龙飞 ,  周俊

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06F18/214 ,  G06N3/08

Abstract: 本说明书实施例提供用于物品推荐模型训练的数据增广方法及装置。在进行数据增广时，根据当前有偏用户‑物品样本数据生成待增广用户‑物品样本数据，并提供给无偏物品推荐模型和当前目标物品推荐模型分别得到第一和第二物品推荐预测标签。随后，将待增广用户‑物品样本数据提供给标签权重预测模型来预测第一和第二物品推荐预测标签的标签权重；并且使用第一和物品推荐预测标签以及各自的标签权重生成待增广用户‑物品样本数据的伪标签，以得到增广用户‑物品样本数据，所得到的增广用户‑物品样本数据作为有偏用户‑物品样本数据的补充训练样本数据来参与当前目标物品推荐模型的模型训练。

公开(公告)号：CN116955815A

公开(公告)日：2023-10-27

申请号：CN202310904983.0

申请日：2023-07-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黎经元 ,  张跃 ,  林轩 ,  杨新星 ,  周鸽 ,  李龙飞 ,  陈鸿 ,  周俊

IPC: G06F16/9535 ,  G06F18/23 ,  G06F18/214 ,  G06Q10/0639

Abstract: 本申请公开了一种事务信息推荐方法、装置、存储介质、产品及电子设备，其中，方法包括：获取时段偏好模型，所述时段偏好模型用于计算用户对不同时段的事务信息的偏好分数，基于目标用户的用户特征和曝光事务信息的时效性特征，获得所述目标用户的时效性偏好向量，所述曝光事务信息为曝光于所述目标用户的事务信息，采用所述时效性偏好向量对所述时段偏好模型进行参数调制处理，获得目标偏好模型，基于所述用户特征和目标事务信息的内容特征，采用所述目标偏好模型对所述目标用户进行偏好预测处理，获得所述目标用户对所述目标事务信息的偏好分数，基于所述偏好分数，确定针对所述目标用户的所述目标事务信息的推荐策略。

公开(公告)号：CN116644793A

公开(公告)日：2023-08-25

申请号：CN202310338814.5

申请日：2023-03-31

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张雅淋 ,  李龙飞 ,  周俊

IPC: G06N3/08 ,  G06N3/084 ,  G06N3/0455 ,  G06F18/214 ,  G06N5/02

Abstract: 本说明书实施例公开了一种场景模型训练方法、装置、存储介质及设备。该方法包括：获取多个场景的样本数据，基于多个场景的样本数据构建场景通用模型；获取特定场景的样本数据，基于特定场景的样本数据对场景通用模型的参数进行调整，得到场景特定重模型。

公开(公告)号：CN116187480A

公开(公告)日：2023-05-30

申请号：CN202211742321.X

申请日：2022-12-30

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 杨新星 ,  李龙飞 ,  周俊

IPC: G06N20/20

Abstract: 本说明书公开了一种元模型学习方法、装置、存储介质及设备，其中方法包括：将服务端全局元模型的模型参数发送至至少一个事务端，以使事务端基于全局元模型的模型参数初始化事务端本地的本地元模型的模型参数，然后接收至少一个事务端发送的隐私数据损失值，隐私数据损失值为事务端基于本地存储的事务隐私数据在本地元模型中计算得到，然后基于隐私数据损失值更新全局元模型的模型参数，得到更新后的全局元模型，最后判断更新后的全局元模型是否满足第一收敛条件，若满足，则停止训练，并将全局元模型的模型参数同步至事务端，若不满足，则执行将服务端全局元模型的第一模型参数发送至至少一个事务端的步骤。

公开(公告)号：CN111538907B

公开(公告)日：2023-04-18

申请号：CN202010505356.6

申请日：2020-06-05

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 钱浩 ,  周俊 ,  崔卿 ,  吴沁桐 ,  李龙飞

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N3/044 ,  G06N3/0464

Abstract: 本说明书实施例公开了一种对象推荐方法、系统及装置。所述方法包括：获取预设历史时间段内分别与多个历史时间节点对应的对象特征；将对象特征按照时间区间进行划分，得到多个时段对象特征；利用循环神经网络处理每一个时段对象特征，得到对应的第一向量表示；利用膨胀卷积神经网络处理每一个第一向量表示，得到对应的第二向量表示；获取待推荐对象的对象特征，以及目标用户的用户特征；对所述待推荐对象的对象特征与多个所述第二向量表示进行注意力机制的计算，获取第三向量表示；基于所述第三向量表示，以及所述用户特征，确定对应于所述待推荐对象的推荐分值；基于所述推荐分值确定是否向目标用户推荐所述待推荐对象。