公开(公告)号：CN111080397A

公开(公告)日：2020-04-28

申请号：CN201911126535.2

申请日：2019-11-18

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵科科

IPC: G06Q30/06 ,  G06Q40/02 ,  G06Q10/06 ,  G06N20/00

Abstract: 公开一种信用评估方法，应用于风险评估系统，所述方法包括：将与信用评估相关的训练样本输入至机器学习模型，并基于带约束条件的求解算法求解所述机器学习模型的模型参数，以完成模型训练得到风险评估模型；其中，所述约束条件包括指定求解获得的所述机器学习模型的模型参数为非负值；将与待信用评估用户相关的预测样本输入至训练完成的所述风险评估模型，得到与预测样本对应的用户的信用评分，实现了快速地求解可解释的机器学习模型，避免了人工筛选机器学习模型中不可解释的模型变量的低效模型训练，提高了模型训练效率。

公开(公告)号：CN117332241A

公开(公告)日：2024-01-02

申请号：CN202311140982.X

申请日：2023-09-04

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵科科

IPC: G06F18/21 ,  G06F18/214

Abstract: 本说明书一个或多个实施例提供一种特征评估方法、装置、电子设备及计算机可读存储介质。方法包括：获取输入至预估模型的与目标用户对应的历史特征、以及目标用户针对预估模型预估的目标对象的反馈结果；从用户行为数据库中获取目标用户在目标时刻之前产生的用户行为数据，并基于获取到的用户行为数据构建与目标用户相关的多个候选用户特征；根据历史特征、反馈结果以及多个候选用户特征构建训练样本；基于训练样本对预估模型进行优化训练，并基于优化训练的训练结果对多个候选用户特征进行特征评估，以及基于特征评估的结果从多个候选用户特征中确定用于预估模型的用户特征。实现预估模型的性能。

公开(公告)号：CN115438787A

公开(公告)日：2022-12-06

申请号：CN202211174369.5

申请日：2022-09-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵科科

IPC: G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06F16/9535 ,  G06Q30/06

Abstract: 本说明书实施例提供一种行为预测系统的训练方法及装置。该方法包括：获取第一训练样本，其包括第一用户做出预定行为的若干历史对象，以及针对各个历史对象的统计行为特征，还包括目标对象，以及指示第一用户是否对目标对象做出预定行为的行为标签；将第一训练样本输入包括注意力网络和预测网络的行为预测系统；其中，利用注意力网络确定各个历史对象与目标对象之间的第一关联度，以及确定各个历史对象与其所对应统计行为特征之间的第二关联度，并基于第一关联度和第二关联度确定各个历史对象对应的注意力权重；利用预测网络处理目标对象、各个历史对象及其对应的注意力权重，得到行为预测结果；根据行为预测结果和行为标签，训练行为预测系统。

公开(公告)号：CN111401972A

公开(公告)日：2020-07-10

申请号：CN202010286947.9

申请日：2020-04-13

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵科科 ,  王攀 ,  赵耀

IPC: G06Q30/02 ,  G06N3/04

Abstract: 本说明书实施例公开了一种数据处理及广告评分方法、装置及设备。其中数据处理方案，包括：从输入特征矩阵中获取第一特征数据和第二特征数据；分别计算所述第一特征数据和所述第二特征数据，以生成深度网络中所述第一特征数据对应的第一隐藏信息和所述第二特征数据对应的第二隐藏信息；根据所述第一隐藏信息和所述第二隐藏信息，计算输出所述输入特征矩阵对应的预测结果。

公开(公告)号：CN111369293A

公开(公告)日：2020-07-03

申请号：CN202010149144.9

申请日：2020-03-05

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵科科 ,  赵星 ,  金永波

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

Abstract: 本说明书实施例提供一种广告出价方法、装置及电子设备。所述方法包括：接收广告出价请求，所述广告出价请求中包含与用户相关联的信息；根据所述信息判断所述用户是否为目标用户，并当用户为目标用户时，获取目标用户的用户特征数据及广告特征数据；将用户特征数据输入第一机器学习模型中，得到所述目标用户的第一转化概率，第一转化概率表示自然转化概率；将用户特征数据以及广告特征数据输入第二机器学习模型中，得到所述目标用户的第二转化概率，第二转化概率表示曝光转化概率；再根据所述第一转化概率和第二转化概率计算得到第三转化概率，第三转化概率表示净转化概率，基于所述第三转化概率对广告进行出价。