-
公开(公告)号:CN114840342B
公开(公告)日:2025-01-24
申请号:CN202210519426.2
申请日:2022-05-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种资源调配方法、装置以及设备,属于机器学习技术领域。方案包括:确定确定与可用资源相关的业务属性,并待预测的用于描述所述业务属性变化情况的宏观时间序列所对应的多个微观时间序列;对所述多个微观时间序列进行聚类,得到多个微观时间序列组;分别对各所述微观时间序列组进行预测,得到各所述微观时间序列组的预测值;根据各所述微观时间序列组的预测值,预测得到所述宏观时间序列的预测值;根据所述宏观时间序列的预测值,向所述业务属性对应的业务调配所述可用资源。
-
公开(公告)号:CN111681059A
公开(公告)日:2020-09-18
申请号:CN202010819192.4
申请日:2020-08-14
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行为预测模型的训练方法,包括:先确定针对目标对象的多个样本用户,其中任一的第一样本用户对应第一样本硬标签,指示是否对该目标对象做出特定行为;再基于利用训练后的图神经网络对用户-对象二部图进行图嵌入处理而确定的嵌入向量集,确定对应于第一样本用户的样本用户特征向量以及对应于目标对象的目标对象特征向量,进而确定第一样本用户对目标对象做出特定行为的特定行为概率,作为第一样本软标签,并且,将该样本用户特征向量输入第一行为预测模型中,得到行为预测结果;利用基于该预测结果和第一样本硬标签确定的第一损失项,以及基于该预测结果和第一样本软标签确定的第二损失项,训练该第一行为预测模型。
-
公开(公告)号:CN118153773A
公开(公告)日:2024-06-07
申请号:CN202410417578.0
申请日:2024-04-08
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时间序列预测方法及装置,在进行时序预测过程中,考虑细时间粒度中的时序数据长度较大的情形,为了充分利用细时间粒度下的时序数据,通过按时间周期分割将长序列转换成短序列,并对短序列进行切片、提取单个短序列的切片编码、提取各个短时序中的对应时间区间的切片表征,进而通过拼接、形状重塑、融合等处理,进行分时间周期的长时序预测。这种实施方式可以减少参数量,提高对长时序数据处理的有效性。
-
公开(公告)号:CN115188043A
公开(公告)日:2022-10-14
申请号:CN202210712972.8
申请日:2022-06-22
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针对面部识别的风险判断模型的训练方法和装置,该方法包括:获取第一样本,该样本包括第一用户的标识、第一设备的标识和表示识别正误的第一标签值;通过第一图卷积网络,对用户相似关系图进行图卷积运算,获取第一用户的第一用户向量;通过第二图卷积网络,对用户与设备关系图进行图卷积运算,获取第一用户的第二用户向量、第一设备的第一设备向量;通过第三图卷积网络,对设备关系图进行图卷积运算,获取第一设备的第二设备向量;分别结合第一和第二用户向量、第一和第二设备向量,获取第三用户向量和第三设备向量;以第三用户向量与第三设备向量的点积值趋向于第一标签值为目的,更新第一、第二和第三图卷积网络。
-
公开(公告)号:CN114756720B
公开(公告)日:2022-10-04
申请号:CN202210662745.9
申请日:2022-06-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本公开披露了一种时序数据的预测方法和装置。所述方法包括:获取图数据,所述图数据包括目标节点的时序数据以及所述目标节点的邻居节点的时序数据;将所述目标节点的时序数据输入时序编码器,得到所述目标节点的节点特征;将所述目标节点的时序数据和所述邻居节点的时序数据输入空间编码器,得到所述邻居节点的节点特征,所述邻居节点的节点特征为所述邻居节点的时序数据中的与所述目标节点的时序数据相关的特征;将所述目标节点的节点特征和所述邻居节点的节点特征融合,得到融合后的特征;根据所述融合后的特征,确定所述目标节点的时序数据的预测结果。
-
公开(公告)号:CN112581191B
公开(公告)日:2022-07-19
申请号:CN202011626281.3
申请日:2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82
Abstract: 本说明书实施例提供一种行为预测模型的训练方法,包括:针对目标对象,获取基于多个种子用户形成的多个正样本,其中任意的第一正样本包括,与第一种子用户对应的第一用户特征和正例标签,此标签指示对应用户是被确定为对目标对象做出特定行为的用户;基于多个种子用户各自的用户特征,采用无监督的离群点检测算法,确定第一种子用户的离群分数,作为针对行为预测任务的第一训练权重;利用包括上述多个正样本以及预先获取的多个负样本,对第一行为预测模型进行第一训练,具体包括:将第一用户特征输入第一行为预测模型中,结合得到的行为预测结果和上述正例标签,确定行为预测损失,并利用第一训练权重对其进行加权处理,以训练第一行为预测模型。
-
公开(公告)号:CN111681059B
公开(公告)日:2020-11-13
申请号:CN202010819192.4
申请日:2020-08-14
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行为预测模型的训练方法,包括:先确定针对目标对象的多个样本用户,其中任一的第一样本用户对应第一样本硬标签,指示是否对该目标对象做出特定行为;再基于利用训练后的图神经网络对用户‑对象二部图进行图嵌入处理而确定的嵌入向量集,确定对应于第一样本用户的样本用户特征向量以及对应于目标对象的目标对象特征向量,进而确定第一样本用户对目标对象做出特定行为的特定行为概率,作为第一样本软标签,并且,将该样本用户特征向量输入第一行为预测模型中,得到行为预测结果;利用基于该预测结果和第一样本硬标签确定的第一损失项,以及基于该预测结果和第一样本软标签确定的第二损失项,训练该第一行为预测模型。
-
公开(公告)号:CN117235469A
公开(公告)日:2023-12-15
申请号:CN202311125356.3
申请日:2023-09-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/21 , G06F18/25 , G06F18/214
Abstract: 本说明书公开了一种数据预测方法、装置、存储介质及设备,其中方法包括:首先获取目标事务在第一预设时长内的时序数据,然后将时序数据输入至预训练的位置编码模型中,得到位置编码数据,其中,位置编码数据包括时序数据对应的第一位置编码以及第二位置编码,第二位置编码用于指示目标事务的预测数据的位置指示信息,预测数据为预测第一预设时长后的第二预设时长内目标事务的事务数据,第二预设时长为与第一预设时长相邻的下一预设时长,最后将时序数据和位置编码数据输入至预训练的时序预测模型中进行预测,得到目标事务对应的预测数据。
-
公开(公告)号:CN118626779A
公开(公告)日:2024-09-10
申请号:CN202410599061.8
申请日:2024-05-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06N3/0464 , G06N3/044 , G06N3/0442 , G06N3/0455 , G06F123/02
Abstract: 本说明书实施例提供一种时序预测方法及装置,在时序预测方法中,利用基础预测模型,基于目标测量对象在第一时段之前的前序测量值序列和在第一时段之中的第一测量值序列,得到其在第一时段的第一预测序列,以及在第二时段的第二预测序列,其中第二时段接续第一时段。至少将第一测量值序列、第一预测序列以及第二预测序列输入时序预测模型进行模型处理,得到针对第二时段的残差序列。将第二预测序列与残差序列相叠加,得到针对第二时段的最终预测序列。
-
公开(公告)号:CN114756720A
公开(公告)日:2022-07-15
申请号:CN202210662745.9
申请日:2022-06-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本公开披露了一种时序数据的预测方法和装置。所述方法包括:获取图数据,所述图数据包括目标节点的时序数据以及所述目标节点的邻居节点的时序数据;将所述目标节点的时序数据输入时序编码器,得到所述目标节点的节点特征;将所述目标节点的时序数据和所述邻居节点的时序数据输入空间编码器,得到所述邻居节点的节点特征,所述邻居节点的节点特征为所述邻居节点的时序数据中的与所述目标节点的时序数据相关的特征;将所述目标节点的节点特征和所述邻居节点的节点特征融合,得到融合后的特征;根据所述融合后的特征,确定所述目标节点的时序数据的预测结果。
-
-
-
-
-
-
-
-
-