公开(公告)号：CN116069920A

公开(公告)日：2023-05-05

申请号：CN202310024565.2

申请日：2023-01-06

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王勇博 ,  徐宽 ,  王永亮 ,  朱海勇 ,  陆鑫 ,  邓宏 ,  杨帆 ,  郑艳兰 ,  王珺

IPC: G06F16/335 ,  G06F16/33 ,  G06F40/30

Abstract: 本说明书公开了一种实体查询方法、装置、计算机程序产品、存储介质及设备，其中方法包括：获取用户针对目标事务所输入的查询文本，对查询文本进行语义解析处理，得到查询文本对应的语义实体、语义实体在实体数据库中对应的实体类别以及语义实体与实体类别的对应关系，基于语义实体、实体类别以及对应关系生成查询文本对应的查询语句，基于查询语句在实体数据库中查询得到查询文本对应的隐含事务实体。

公开(公告)号：CN115270968A

公开(公告)日：2022-11-01

申请号：CN202210909816.0

申请日：2022-07-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 丁程丹 ,  陆鑫 ,  许涛 ,  于飞

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书实施例提供数据处理方法及装置，该方法包括获取与目标项目对应的第一数据、第二数据、第一数据以及第二数据的初始数据标签；确定第一训练数据的第一数据特征和第二数据的第二数据特征；根据第一训练数据以及第二数据的初始数据标签、第一数据特征和第二数据特征，确定第二数据的目标数据标签；根据第二数据以及目标数据标签训练初始模型，并根据初始模型以及第一验证数据确定数据置信度；根据数据置信度从第二数据中确定目标数据，并将目标数据添加至第一数据对初始模型进行训练，获得目标模型。该方法通过强弱标签互补的协同训练方式进行模型训练，克服少量样本数据使用GNN浅层信息传播效率低及弱标签噪声干扰的问题。

公开(公告)号：CN110838069A

公开(公告)日：2020-02-25

申请号：CN201910975776.8

申请日：2019-10-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李小鹏 ,  潘登龙 ,  陆鑫

IPC: G06Q40/06 ,  G06F16/9535 ,  G06K9/62 ,  G06N20/00 ,  G06F21/60

Abstract: 本说明书实施例提供了一种数据处理方法，通过两台以上的本地服务器将本地模型参数发送给公用服务器，由公用服务器对本地模型参数进行处理获得校准参数。由于各台本地服务器之间不需要进行数据交换和数据共享，既能实现数据隐私保护，又能增加机器学习的特征空间，从而可以提高模型的预测精度。

公开(公告)号：CN114925279B

公开(公告)日：2024-07-23

申请号：CN202210635074.7

申请日：2022-06-07

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 肖林辰 ,  邓佳佶 ,  于飞 ,  许涛 ,  陆鑫

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N3/042 ,  G06N3/045 ,  G06N3/098

Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置，其中推荐模型训练方法包括：获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型，提高模型准确性。

公开(公告)号：CN114925279A

公开(公告)日：2022-08-19

申请号：CN202210635074.7

申请日：2022-06-07

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 肖林辰 ,  邓佳佶 ,  于飞 ,  许涛 ,  陆鑫

IPC: G06F16/9535 ,  G06Q30/06 ,  G06N3/08

Abstract: 本说明书实施例提供推荐模型训练方法、推荐方法以及装置，其中推荐模型训练方法包括：获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型，提高模型准确性。

公开(公告)号：CN115495317A

公开(公告)日：2022-12-20

申请号：CN202211239164.0

申请日：2022-10-11

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 费松 ,  翁欣旦 ,  刘向阳 ,  陆鑫

IPC: G06F11/30 ,  G06F9/54

Abstract: 本说明书实施例公开了信息推荐中的特征数据的处理方法、装置以及设备。通过发起远程调用请求RPC；获取所述远程调用请求所对应的特征数据；生成携带所述特征数据的远程调用请求数据；发送所述远程调用请求数据至服务端，以便所述服务端获取得到所述远程调用请求数据中的特征数据并透传至推荐端，从而解耦了特征数据和业务数据。