-
公开(公告)号：CN111738781B
公开(公告)日：2021-01-05
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N‑1个时间段对应的N‑1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N‑1个状态向量以及N‑1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
公开(公告)号：CN111340148A
公开(公告)日：2020-06-26
申请号：CN202010439817.4
申请日：2020-05-22
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 龙翀
IPC: G06K9/62
Abstract: 本申请实施例提供了一种业务分类模型的训练方法、业务分类方法以及终端，能够使业务分类模型针对每个分类结果的准确程度达到对应的目标，实现了针对多目标进行优化的效果。其中，业务分类模型的训练方法包括：获取用于训练业务分类模型的多组业务样本数据；确定业务分类模型针对每个业务类别的分类准确度量的目标值；使用多组业务样本数据对业务分类模型进行迭代训练，直至达到迭代收敛条件，其中，在每次迭代训练之后，计算业务分类模型针对每个业务类别的分类准确度量，迭代收敛条件包括业务分类模型针对每个业务类别的分类准确度量达到对应的目标值。
-
公开(公告)号：CN114997708A
公开(公告)日：2022-09-02
申请号：CN202210737327.1
申请日：2022-06-27
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针对用户问题进行渠道分配的方法及装置，该方法的一具体实施方式包括：获取用户提问的用户问题；利用预先训练的人工满意度预测模型，根据用户问题，预测用户进入第一人工渠道后对人工服务的人工满意度；利用预先训练的自助解决率预测模型，根据用户问题，预测用户进入自助渠道后用户问题的自助解决率；根据人工满意度和自助解决率，在多种渠道中确定出目标渠道，并将用户问题分配到目标渠道，其中，该多种渠道至少包括第一人工渠道和自助渠道。
-
公开(公告)号：CN112070518B
公开(公告)日：2021-03-16
申请号：CN202011251013.8
申请日：2020-11-11
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/00 , G06F16/332 , G06F16/33 , G06F16/35 , G06N20/00
Abstract: 本说明书涉及一种客服提供方法和系统，其包括：接收用户的客服请求，将客服请求对应的客服模式作为用户初始选择的客服模式；获取用户的用户特征数据，以及两种或以上客服模式的负载信息；基于所述用户特征数据、用户初始选择的客服模式以及各客服模式的负载信息，确定各客服模式对应的服务评估值；基于各客服模式对应的服务评估值，从各客服模式中选出目标客服模式；通过所述目标客服模式向用户提供的客服。本申请基于各客服模式对应的服务评估值，均衡分配各客服模式对应的用户数量，并同时满足不同用户对不同客服渠道的各异性需求，最大限度地提升用户的客服体验。
-
公开(公告)号：CN111369080B
公开(公告)日：2020-08-28
申请号：CN202010461703.X
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请公开了一种智能客服解决率预测方法，该方法包括：获取请求平台内某业务领域客服的请求者的身份标识；基于所述请求者的身份标识提取与所述请求者相关的业务因子、共性因子以及行为序列；基于多业务预测模型处理所述业务因子、共性因子以及行为序列得到与所述请求者在所述某业务领域对应的智能客服解决概率。
-
Patent Agency Ranking
公开(公告)号：CN111369080A
公开(公告)日：2020-07-03
申请号：CN202010461703.X
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请公开了一种智能客服解决率预测方法，该方法包括：获取请求平台内某业务领域客服的请求者的身份标识；基于所述请求者的身份标识提取与所述请求者相关的业务因子、共性因子以及行为序列；基于多业务预测模型处理所述业务因子、共性因子以及行为序列得到与所述请求者在所述某业务领域对应的智能客服解决概率。
-
公开(公告)号：CN114997708B
公开(公告)日：2025-04-01
申请号：CN202210737327.1
申请日：2022-06-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0631 , G06Q10/0639 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N20/00
Abstract: 本说明书实施例提供了针对用户问题进行渠道分配的方法及装置，该方法的一具体实施方式包括：获取用户提问的用户问题；利用预先训练的人工满意度预测模型，根据用户问题，预测用户进入第一人工渠道后对人工服务的人工满意度；利用预先训练的自助解决率预测模型，根据用户问题，预测用户进入自助渠道后用户问题的自助解决率；根据人工满意度和自助解决率，在多种渠道中确定出目标渠道，并将用户问题分配到目标渠道，其中，该多种渠道至少包括第一人工渠道和自助渠道。
-
公开(公告)号：CN113936038B
公开(公告)日：2024-09-13
申请号：CN202111192693.5
申请日：2021-10-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06T7/246 , G06N3/084 , G06V10/40 , G06V10/762 , G06V10/82
Abstract: 本公开披露了一种骨骼检测装置及其使用方法、训练方法和训练装置。所述骨骼检测装置包括：运动描述符提取模块，用于接收图像序列和获取图像序列中的运动物体的运动信息，所述运动物体具有关节结构和骨骼，所述关节结构用于连接所述骨骼；运动特征提取模块，用于接收所述运动物体的运动信息和从所述运动物体的运动信息中获得所述运动物体的运动特征；骨骼检测模块，用于接收所述运动物体的运动特征和从所述运动物体的运动特征中确定所述图像序列中的属于所述运动物体的骨骼的像素点。
-
公开(公告)号：CN113936038A
公开(公告)日：2022-01-14
申请号：CN202111192693.5
申请日：2021-10-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开披露了一种骨骼检测装置及其使用方法、训练方法和训练装置。所述骨骼检测装置包括：运动描述符提取模块，用于接收图像序列和获取图像序列中的运动物体的运动信息，所述运动物体具有关节结构和骨骼，所述关节结构用于连接所述骨骼；运动特征提取模块，用于接收所述运动物体的运动信息和从所述运动物体的运动信息中获得所述运动物体的运动特征；骨骼检测模块，用于接收所述运动物体的运动特征和从所述运动物体的运动特征中确定所述图像序列中的属于所述运动物体的骨骼的像素点。
-
公开(公告)号：CN111738781A
公开(公告)日：2020-10-02
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N-1个时间段对应的N-1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N-1个状态向量以及N-1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.06 seconds)
