-
公开(公告)号：CN119312074A
公开(公告)日：2025-01-14
申请号：CN202411266610.6
申请日：2022-05-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/213 , G06F18/214 , G06F18/2321 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本说明书实施例提供一种特征补齐模型训练方法、特征补齐模型训练装置、计算机可读存储介质、电子设备以及计算机程序产品，该方法包括确定正类样本，以及确定负类样本；固定对抗生成器的生成器的第一参数不变，通过正类样本和负类样本，训练对抗生成器的判别器；固定对抗生成器的判别器的第二参数不变，通过负类样本，训练对抗生成器的生成器；将训练后的对抗生成器确定为特征补齐模型。
-
公开(公告)号：CN114090401A
公开(公告)日：2022-02-25
申请号：CN202111283645.7
申请日：2021-11-01
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处理用户行为序列的方法及装置，在处理用户行为序列的方法中，获取N个样本用户各自的用户行为序列，并对其进行数据增强，得到多个正样本对和多个负样本对。每个正样本对包括按照不同业务，对同一用户行为序列进行拆分所得到的两个子序列。每个负样本对包括来自不同用户行为序列的两个子序列。将各正/负样本对输入神经网络模型，该神经网络模型包括相同的两个子模型，用于处理输入样本对中的两个子序列，以得到各自的行为向量。对于任意的正/负样本对，根据其中的两个子序列各自的行为向量，计算对应的距离。以最小化各正样本对的距离，最大化各负样本的距离为目标，更新神经网络模型，以用于处理待分析的用户行为序列。
-
公开(公告)号：CN115496250A
公开(公告)日：2022-12-20
申请号：CN202210581616.7
申请日：2022-05-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种模型处理方法、装置、存储介质及电子设备，其中，方法包括：通过将针对初始神经网络模型的第一训练数据进行数据复制处理，得到第二训练数据，并将第一训练数据和第二训练数据输入初始神经网络模型进行模型训练以确定针对第一训练数据的第一表征信息以及针对第二训练数据的第二表征信息，然后基于第一表征信息以及第二表征信息对初始神经网络模型进行模型训练就可以得到训练好的目标神经网络模型。
-
公开(公告)号：CN115081512A
公开(公告)日：2022-09-20
申请号：CN202210537277.2
申请日：2022-05-17
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特征补齐方法、特征补齐装置、特征补齐模型、计算机可读存储介质、电子设备以及计算机程序产品，该方法包括本说明书示例性的实施例提供的方案基于训练后的机器学习模型(即，基于特征补齐模型)实现的，且该特征补齐模型的生成器的损失函数为基于样本用户特征的显示分布建模确定的。具体地，将关于同一用户的目标特征输入至上述特征补齐模型，其中，上述目标特征中包含一个或多个待补齐元素。经该特征补齐模型的生成器处理后输出与目标特征对应的目标隐向量，其中，该目标隐向量包含目标连续子特征和目标离散子特征。进一步地，根据目标连续子特征确定和目标离散子特征，确定上述目标特征的补齐特征。
-
公开(公告)号：CN113537950A
公开(公告)日：2021-10-22
申请号：CN202110962134.1
申请日：2021-08-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供项目处理方法以及装置，其中所述项目处理方法包括：基于初始项目的项目属性以及所述初始项目下项目用户的用户属性，对所述项目用户进行类别划分，生成至少两个划分结果，将所述初始项目的项目指标拆分为多个子项目指标，并确定目标划分结果中包含的目标项目用户在所述多个子项目指标的初始指标值和目标指标值，其中，所述目标划分结果为所述至少两个划分结果之一，基于所述初始指标值和所述目标指标值确定所述目标项目用户的目标处理路径，并基于所述目标处理路径对所述目标项目用户的所述多个子项目指标进行处理。
-
Patent Agency Ranking
公开(公告)号：CN112199416A
公开(公告)日：2021-01-08
申请号：CN202011057500.0
申请日：2020-09-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06N5/02
Abstract: 本说明书实施例提供了数据规则生成方法及装置，其中，一种数据规则生成方法包括：对待处理数据进行预处理，获得属性字段的属性数据和业务字段的业务数据；基于所述业务字段的业务数据构建多元参数关系，并求解所述多元参数关系；根据所述属性数据，确定使求解获得的业务关系表达式成立的属性条件；以所述属性条件为数据规则的前置条件、所述业务关系表达式为数据规则的断言，生成目标数据规则。
-
公开(公告)号：CN119443155A
公开(公告)日：2025-02-14
申请号：CN202411450863.9
申请日：2024-10-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/045 , G06N3/0475 , G06N3/092 , G06N3/09
Abstract: 本说明书实施例提供了大语言模型的训练方法及装置。该方法包括：获取训练样本集，其中的各训练样本均包括问题、偏好回答和非偏好回答，并且部分训练样本各自包括的偏好回答和非偏好回答相同；对于训练样本集中任意的第一样本，将其中的第一问题作为模型输入，在获得参考模型和待优化的大语言模型各自生成第一样本中的第一偏好回答的第一概率后，根据第一概率确定针对第一偏好回答的第一奖励值；确定针对第一样本中的第一非偏好回答的第二奖励值，其响应于确定第一偏好回答和第一非偏好回答相同而为0；基于训练损失更新大语言模型的参数，该训练损失与第一奖励值和第二奖励值的差值负相关。
-
公开(公告)号：CN113537950B
公开(公告)日：2025-01-21
申请号：CN202110962134.1
申请日：2021-08-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/10 , G06Q40/06 , G06Q10/0635
Abstract: 本说明书实施例提供项目处理方法以及装置，其中所述项目处理方法包括：基于初始项目的项目属性以及所述初始项目下项目用户的用户属性，对所述项目用户进行类别划分，生成至少两个划分结果，将所述初始项目的项目指标拆分为多个子项目指标，并确定目标划分结果中包含的目标项目用户在所述多个子项目指标的初始指标值和目标指标值，其中，所述目标划分结果为所述至少两个划分结果之一，基于所述初始指标值和所述目标指标值确定所述目标项目用户的目标处理路径，并基于所述目标处理路径对所述目标项目用户的所述多个子项目指标进行处理。
-
公开(公告)号：CN115081512B
公开(公告)日：2024-10-01
申请号：CN202210537277.2
申请日：2022-05-17
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特征补齐方法、特征补齐装置、特征补齐模型、计算机可读存储介质、电子设备以及计算机程序产品，该方法包括本说明书示例性的实施例提供的方案基于训练后的机器学习模型(即，基于特征补齐模型)实现的，且该特征补齐模型的生成器的损失函数为基于样本用户特征的显示分布建模确定的。具体地，将关于同一用户的目标特征输入至上述特征补齐模型，其中，上述目标特征中包含一个或多个待补齐元素。经该特征补齐模型的生成器处理后输出与目标特征对应的目标隐向量，其中，该目标隐向量包含目标连续子特征和目标离散子特征。进一步地，根据目标连续子特征确定和目标离散子特征，确定上述目标特征的补齐特征。
-
公开(公告)号：CN114090401B
公开(公告)日：2024-09-10
申请号：CN202111283645.7
申请日：2021-11-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/34 , G06N3/0895
Abstract: 本说明书实施例提供一种处理用户行为序列的方法及装置，在处理用户行为序列的方法中，获取N个样本用户各自的用户行为序列，并对其进行数据增强，得到多个正样本对和多个负样本对。每个正样本对包括按照不同业务，对同一用户行为序列进行拆分所得到的两个子序列。每个负样本对包括来自不同用户行为序列的两个子序列。将各正/负样本对输入神经网络模型，该神经网络模型包括相同的两个子模型，用于处理输入样本对中的两个子序列，以得到各自的行为向量。对于任意的正/负样本对，根据其中的两个子序列各自的行为向量，计算对应的距离。以最小化各正样本对的距离，最大化各负样本的距离为目标，更新神经网络模型，以用于处理待分析的用户行为序列。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.039 seconds)
