-
Patent Agency Ranking
公开(公告)号：CN114897145B
公开(公告)日：2025-01-03
申请号：CN202210549150.2
申请日：2022-05-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0464 , G06F17/16 , G06F16/9535
Abstract: 公开了一种序列推荐方法，包括：获取用户的内容项交互历史，并生成该用户的历史内容项序列；基于该用户的历史内容项序列，生成一系列区间表征的集合；将该历史内容项序列中的每个内容项与该集合中的每个区间表征交互，以确定该历史内容项序列的自注意力编码矩阵；以及基于该历史内容项序列和该自注意力编码矩阵，预测该用户可能交互的内容项。还公开了其他涉及序列推荐的方法、相应的系统、装置和介质。
-
公开(公告)号：CN118379114A
公开(公告)日：2024-07-23
申请号：CN202410621838.6
申请日：2024-05-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0601 , G06N3/042 , G06N3/08 , G06N5/022
Abstract: 本说明书实施例提供一种图神经网络的训练及商品推送的技术方案，在进行商品推送过程中引入知识图谱，而为了训练用于处理知识图谱的图神经网络，引入用户意图、商品原型，以及用户意图和商品原型之间的决策路径。如此，基于经由用户意图优化的用户表征、经由商品原型优化的商品表征、决策路径数量、偏好预测的损失共同确定预测损失，如此训练的图神经网络可以携带用户意图和路径决策信息，从而更准确地进行信息推送。
-
公开(公告)号：CN116304337A
公开(公告)日：2023-06-23
申请号：CN202310274863.7
申请日：2023-03-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F18/214 , G06V10/44 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供对象推荐模型训练方法、推荐对象确定方法及装置。在每轮模型训练时，确定用户特征的用户特征嵌入表征、目标对象和用户交互对象的对象特征嵌入表征。从用户交互对象的对象特征嵌入表征中解耦出用户兴趣嵌入表征和用户从众嵌入表征；分别根据目标对象的对象特征嵌入表征以及用户特征嵌入表征与用户兴趣嵌入表征和用户从众嵌入表征之间的耦合结果确定目标对象表征、用户兴趣表征和用户从众表征；根据基于用户兴趣表征、用户从众表征与目标对象表征确定出的用户兴趣预测结果和用户从众预测结果调整对象推荐模型的模型参数。
-
公开(公告)号：CN117216575A
公开(公告)日：2023-12-12
申请号：CN202311393266.2
申请日：2023-10-25
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N5/02 , G06F16/9535 , G06F16/901
Abstract: 本说明书实施例提供了用于训练推荐模型的方法及装置，在该方法中，按照以下方式进行处理，直至满足预训练结束条件：从源域所包括的源推荐数据中获取用户对应的用户数据以及用户所交互的推荐对象；基于实体图谱得到用户对应的用户特征向量和推荐对象所关联的各个实体对应的实体特征向量；基于各个实体特征向量以及利用原型库中的各个原型对各个实体进行表征得到的原型侧实体特征向量进行对比学习，得到第一损失；根据第一损失以及第二损失得到总损失；以及根据总损失对推荐模型以及匹配原型进行调整，并返回执行从源推荐数据中获取用户数据和推荐对象的操作。
-
公开(公告)号：CN114897145A
公开(公告)日：2022-08-12
申请号：CN202210549150.2
申请日：2022-05-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 公开了一种序列推荐方法，包括：获取用户的内容项交互历史，并生成该用户的历史内容项序列；基于该用户的历史内容项序列，生成一系列区间表征的集合；将该历史内容项序列中的每个内容项与该集合中的每个区间表征交互，以确定该历史内容项序列的自注意力编码矩阵；以及基于该历史内容项序列和该自注意力编码矩阵，预测该用户可能交互的内容项。还公开了其他涉及序列推荐的方法、相应的系统、装置和介质。
-
-
-
-
Search Results
5
records
(took 0.037 seconds)
