-
公开(公告)号：CN116070773A
公开(公告)日：2023-05-05
申请号：CN202310147923.9
申请日：2023-02-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/04 , G06F16/901 , G06N3/044 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本说明书实施例提供一种预测时序指标的方法的装置。根据该方法，首先基于n个业务对象各自在目标时段t的业务特征，获得对应的n个第一表征；其中，n个业务对象基于其范围归属关系而形成树结构中的节点。接着，对于n个第一表征进行卷积操作，得到n个第二表征；其中，n个业务对象中任意的目标业务对象对应的第二表征，通过对目标卷积窗口中的第一表征进行卷积运算而得到，所述目标卷积窗口包括，树结构中从根节点到目标业务对象的路径所覆盖的若干业务对象。基于此，可以根据n个第二表征，确定n个业务对象的n个对象表征；并根据n个对象表征，预测n个业务对象各自在目标时段t的业务指标值。
-
公开(公告)号：CN115034461B
公开(公告)日：2025-02-18
申请号：CN202210621721.9
申请日：2022-06-02
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分层业务的时间序列预测方法及装置，用于预测单个业务在多阶层次上的业务主体的业务量构成的时间序列，其中，单个层次对应至少一个业务主体。根据一个实施方式，在获取多个层次中各个业务主体一一对应的各个历史时间序列后，可以对各个历史时间序列进行编码，得到相应的各个编码向量，然后构建各个编码向量满足的联合概率分布，进一步对各个业务主体分别按照联合概率分布进行采样得到的采样序列，确定分别针对各个业务主体的各个预测序列。该方式可以提高预测结果的准确性。
-
公开(公告)号：CN118839128A
公开(公告)日：2024-10-25
申请号：CN202410942658.8
申请日：2024-07-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06Q10/04 , G06Q30/0202 , G06Q40/06 , G06F123/02
Abstract: 本说明书提供一种时间序列预测方法及系统，能够在宏观时间序列的基础上结合用户级别的微观用户特征进行时间序列预测。本说明书提供的时间序列预测方法及系统充分结合了宏观和微观多个层面的数据信息，能够提升预测的准确性。
-
公开(公告)号：CN115098247A
公开(公告)日：2022-09-23
申请号：CN202210629029.0
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种资源分配方法和装置。根据该实施例的方法，首先获取各应用服务的流量时间序列，所述流量时间序列包括连续多个时间点的流量数据；然后对各应用服务的流量时间序列进行聚类，得到一个以上的分组；再分别针对各分组确定容量伸缩策略，所述容量伸缩策略用于分组对应的应用服务的容量资源分配。
-
公开(公告)号：CN113283589A
公开(公告)日：2021-08-20
申请号：CN202110631255.8
申请日：2021-06-07
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种事件预测系统的更新方法，包括：将基于事件样本序列获取的样本输入事件预测系统中进行事件处理，该事件处理包括：通过序列编码网络，确定截至该样本中发生时刻的子序列的序列编码向量，该子序列中各样本均对应第一用户；通过图传播网络，根据该序列编码向量，更新用户关系网络图中与第一用户节点相关的节点表征向量；通过强度拟合网络，根据更新后的节点表征向量，拟合与第一用户对应的事件发生强度函数；通过强度映射网络，将该事件发生强度函数映射至事件类型空间，得到第一用户在多个事件类型下的多个强度函数；之后，基于事件处理得到的多个强度函数和对应第一用户的标签样本，更新上述事件预测系统中的网络参数。
-
Patent Agency Ranking
公开(公告)号：CN114970359B
公开(公告)日：2024-05-31
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
公开(公告)号：CN114970359A
公开(公告)日：2022-08-30
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
公开(公告)号：CN113538069A
公开(公告)日：2021-10-22
申请号：CN202110962759.8
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一种预测用户群体的宏观状态的方法和装置。根据该预测方法，可以基于多个用户中各个用户的事件序列，确定该用户对应的事件强度函数。此外，还获取用户群体的目标宏观量在第一时刻的第一期望值。基于以上确定的事件强度函数，以及表示用户对宏观量的影响程度的幅度函数，确定中间函数；其中，该幅度函数与目标宏观量的期望值成线性关系，比例系数为第一系数；且该中间函数基于各个第一系数与事件强度函数的乘积之和而确定。由此，可以将第一时刻，第一期望值，以及待预测的第二时刻，代入期望值随时间变化的关系式，从而确定该宏观量在第二时刻的期望值；其中，该关系式依赖于上述中间函数随时间的积分。
-
公开(公告)号：CN118227319A
公开(公告)日：2024-06-21
申请号：CN202410309629.8
申请日：2024-03-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了基于负载均衡确定迁移方案的方法及装置。在该方法中，确定用于衡量机器与负载之间的负载均衡迁移成本的评估目标，其中，评估目标包括以下中的至少一种：负载迁移成本、资源消耗均衡度以及机器使用成本；根据评估目标构建在满足约束条件的情况下使得各个评估目标之和最小化的优化模型，其中，约束条件包括针对各个评估目标的目标约束条件，评估目标涉及各个负载与各个机器之间的占用状态；求解优化模型，以得到在负载均衡条件下机器和负载所呈现的终态；以及根据机器和负载当前所呈现的初始态以及终态，确定负载从初始态到终态的迁移路径。
-
公开(公告)号：CN118070008A
公开(公告)日：2024-05-24
申请号：CN202410176631.2
申请日：2024-02-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/213 , G06F18/23 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本说明书实施例提供一种多阶层时间序列预测方法及装置，在进行多阶层时序预测过程中，考虑到时序阶层之间的关联关系，对于历史多阶层时间序列中的各个时间节点，一方面提取更粗时间粒度的变换特征，另一方面提取更细时间粒度的子节点分布特征。进一步地，基于变换特征和子节点分布特征，对各个时间节点分别确定相应的各个编码张量，然后对各个时间节点在若干多阶层时间序列中对应的各个编码张量进行融合，得到相应的各个表征张量，基于各个表征张量预测业务主体在后续若干预定时间段内的业务量构成的多阶层时序，多阶层时序是对预测结果进行满足一致性约束调和的多阶层时间序列。如此，可以提高预测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
