公开(公告)号：CN115034861B

公开(公告)日：2024-08-13

申请号：CN202210740465.5

申请日：2022-06-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵前 ,  钱浩 ,  张志强 ,  周俊

IPC: G06N3/096 ,  G06N3/042 ,  G06Q30/0601

Abstract: 本说明书实施例公开了一种针对长尾分布的学习方法、装置以及设备，方案包括：确定物品集合中的各头部物品和各尾部物品；确定依次具有从属关系的多个属性维度，以及头部物品和尾部物品在属性维度上的属性值；将头部物品、尾部物品、属性值作为图节点，根据图节点和从属关系，生成图网络，以使头部物品的图节点通过对应的属性值的图节点，与尾部物品的图节点连接；确定反映头部物品的图节点向量内不同维度之间的相关性的第一相关性参数，以及反映尾部物品的图节点向量内不同维度之间的相关性的第二相关性参数；确定反映第一相关性参数与第二相关性参数之间差距的相关性损失；根据相关性损失，对图网络中的图节点向量进行学习。

公开(公告)号：CN117151190A

公开(公告)日：2023-12-01

申请号：CN202311196462.0

申请日：2023-09-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵前 ,  吴郑伟 ,  刘子奇 ,  张志强 ,  周俊

IPC: G06N3/082 ,  G06N3/04

Abstract: 本说明书实施例提供图表征增强模型训练方法、图表征方法及装置。在进行模型训练时，通过对原始长尾图中的真头部节点进行邻域剪枝来构建稀疏图。使用图表征增强模型来对稀疏图中的各个节点进行图表征增强以得到各个节点的增强节点表征，各个节点的增强节点表征基于增强稀疏图学习出，增强稀疏图通过为稀疏图中的各个节点增强邻域缺失信息得到，各个节点的邻域缺失信息通过图表征增强模型来基于该节点的中心节点表征和邻居节点表征预测出。然后，根据伪尾部节点的增强节点表征以及原始长尾图中的对应真头部节点的节点表征，确定邻域信息预测损失函数；并基于邻域信息预测损失函数，调整图表征增强模型的模型参数。

公开(公告)号：CN115034861A

公开(公告)日：2022-09-09

申请号：CN202210740465.5

申请日：2022-06-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵前 ,  钱浩 ,  张志强 ,  周俊

IPC: G06Q30/06 ,  G06Q30/02 ,  G06N20/00

Abstract: 本说明书实施例公开了一种针对长尾分布的学习方法、装置以及设备，方案包括：确定物品集合中的各头部物品和各尾部物品；确定依次具有从属关系的多个属性维度，以及头部物品和尾部物品在属性维度上的属性值；将头部物品、尾部物品、属性值作为图节点，根据图节点和从属关系，生成图网络，以使头部物品的图节点通过对应的属性值的图节点，与尾部物品的图节点连接；确定反映头部物品的图节点向量内不同维度之间的相关性的第一相关性参数，以及反映尾部物品的图节点向量内不同维度之间的相关性的第二相关性参数；确定反映第一相关性参数与第二相关性参数之间差距的相关性损失；根据相关性损失，对图网络中的图节点向量进行学习。