-
公开(公告)号：CN111222722B
公开(公告)日：2020-07-24
申请号：CN202010329614.X
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对业务对象进行业务预测的方法和神经网络模型。在该方法中，首先获取业务对象对应的初始特征矩阵，其中包括对应于该业务对象的N项特征的N个原始向量。然后，对初始特征矩阵进行多级处理,每级处理包括，对于本级待处理的第i特征向量，对初始特征矩阵中对应的第i原始向量和各个本级特征向量分别进行线性变换，得到第i变换向量和各个本级变换向量；根据该第i变换向量和各个本级变换向量之间的各个相关度，对其融合结果进行加权组合，由此确定该第i特征向量的下一级特征向量。根据最后一级处理得到的矩阵，得到该业务对象对应的表征向量，根据该表征向量，对业务对象进行业务预测。
-
公开(公告)号：CN111222722A
公开(公告)日：2020-06-02
申请号：CN202010329614.X
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对业务对象进行业务预测的方法和神经网络模型。在该方法中，首先获取业务对象对应的初始特征矩阵，其中包括对应于该业务对象的N项特征的N个原始向量。然后，对初始特征矩阵进行多级处理,每级处理包括，对于本级待处理的第i特征向量，对初始特征矩阵中对应的第i原始向量和各个本级特征向量分别进行线性变换，得到第i变换向量和各个本级变换向量；根据该第i变换向量和各个本级变换向量之间的各个相关度，对其融合结果进行加权组合，由此确定该第i特征向量的下一级特征向量。根据最后一级处理得到的矩阵，得到该业务对象对应的表征向量，根据该表征向量，对业务对象进行业务预测。
-
公开(公告)号：CN111178987B
公开(公告)日：2020-06-30
申请号：CN202010276692.8
申请日：2020-04-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种训练用户行为预测模型的方法和装置。训练方法包括，获取全量样本，其中包括指示用户是否实施目标行为的第一标签，和指示是否在时间窗口t内实施该行为的第二标签。将各个样本输入用户行为预测模型，通过其中的第一网络部分预测用户实施目标行为的第一概率，以及通过第二网络部分针对实施了目标行为的部分用户，预测其在窗口t内实施的第二概率。将各个样本的第一概率与第一标签进行比对，以及将上述部分用户的第一概率和第二概率的乘积与第二标签比对，确定总损失，据此更新该模型。进一步地，还可以利用仅具有第二标签的短期样本，对模型进行优化，优化时固定第二网络部分，仅对第一网络部分进行更新。
-
公开(公告)号：CN111178987A
公开(公告)日：2020-05-19
申请号：CN202010276692.8
申请日：2020-04-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种训练用户行为预测模型的方法和装置。训练方法包括，获取全量样本，其中包括指示用户是否实施目标行为的第一标签，和指示是否在时间窗口t内实施该行为的第二标签。将各个样本输入用户行为预测模型，通过其中的第一网络部分预测用户实施目标行为的第一概率，以及通过第二网络部分针对实施了目标行为的部分用户，预测其在窗口t内实施的第二概率。将各个样本的第一概率与第一标签进行比对，以及将上述部分用户的第一概率和第二概率的乘积与第二标签比对，确定总损失，据此更新该模型。进一步地，还可以利用仅具有第二标签的短期样本，对模型进行优化，优化时固定第二网络部分，仅对第一网络部分进行更新。
-
-
-
Search Results
4
records
(took 0.028 seconds)
