-
公开(公告)号：CN110866190A
公开(公告)日：2020-03-06
申请号：CN201911127100.X
申请日：2019-11-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06N3/02
Abstract: 本说明书实施例提供一种训练用于表征知识图谱的图神经网络模型的方法和装置，其中方法包括，从知识图谱中获取三元组，其中包括第一节点，第二节点，以及从第一节点指向第二节点的第一连接边；然后，在边嵌入层，根据第一连接边对应的关系类型以及边属性特征，确定对应的第一边向量；在节点嵌入层，分别将第一节点和第二节点作为目标节点，根据目标节点的节点属性特征，以及目标节点的邻居节点集，进行多级向量嵌入，从而分别得到与第一节点和第二节点对应的第一高阶向量和第二高阶向量。接着，根据第一高阶向量、第二高阶向量和第一边向量，确定第一节点通过第一连接边连接到第二节点的概率，以最大化概率为目标，更新边嵌入层和节点嵌入层。
-
公开(公告)号：CN115062131B
公开(公告)日：2025-03-28
申请号：CN202210753297.3
申请日：2022-06-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/3329 , G06F16/334 , G06F16/338
Abstract: 本说明书实施例提供了一种基于多模态的人机交互方法及装置。在终端具备多种模态信息收集能力的前提下，当用户与终端进行交互时，终端可以收集到用户输入的多模态信息，包括视频信息、语音信息、用户通过输入操作输入的语言文本和事件文本等，并将该多模态信息传输至服务器。服务器可以从多模态信息中提取用户指令和用户语言，并分别将用户指令输入指令处理器并得到第一输出内容，将用户语言输入自然语言处理器并得到第二输出内容。接着，服务器可以基于第一输出内容和第二输出内容的融合，确定针对用户的回应内容。
-
公开(公告)号：CN119557398A
公开(公告)日：2025-03-04
申请号：CN202411606386.0
申请日：2024-11-11
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/3329 , G06F16/36
Abstract: 本说明书提供一种数据处理方法及系统。该方法包括：获取目标问题，并获得事实数据集合；从知识图谱中检索得到与所述目标问题相关的第一知识信息，并基于所述第一知识信息从所述事实数据集合中筛选出关键事实数据；从所述知识图谱中检索得到与所述目标问题、所述关键事实数据均相关的第二知识信息；以及将所述目标问题、所述关键事实数据以及所述第二知识信息提供给大模型，以通过所述大模型生成所述目标问题对应的回答信息。
-
公开(公告)号：CN119294486A
公开(公告)日：2025-01-10
申请号：CN202411297642.2
申请日：2024-09-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/022 , G06N5/04 , G06F16/3329 , G06F16/36
Abstract: 本说明书提供了一种基于医疗知识图谱的LLM模型微调方法及相关设备。该方法包括：获取与目标应用场景相关的知识图谱的结构信息；结构信息包含知识图谱中预定义的多个实体类型和多个实体类型之间的关系；基于结构信息生成与目标应用场景相关的推理任务对应的问题模版和回答路径模版；问题模版包含与问题对象对应的第一实体类型；回答路径模版包含：由与问题对象对应的第一实体类型、与问题答案对应的第二实体类型，以及第一实体类型和第二实体类型之间的关系构成的图谱路径；基于问题模版和回答路径模版生成问答样本对，并基于问答样本对，对预训练完成的LLM基础模型进一步执行微调训练，得到用于执行推理任务的LLM服务模型。
-
公开(公告)号：CN119089042A
公开(公告)日：2024-12-06
申请号：CN202411140267.0
申请日：2024-08-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F16/906 , G06F18/24 , G06N3/096 , G06N3/094 , G06N3/0455
Abstract: 本说明书实施例提出一种模型训练方法、推荐数据点击率的预测方法和电子设备，上述模型训练方法中，获取目标域样本数据和所述目标样本数据对应的点击率的标签值之后，首先分别通过学生模型中的第一表征解耦模型和第二表征解耦模型，以及已完成参数调整的老师模型中的域分类器，获得域共享表征向量和域独有表征向量，然后根据域共享表征向量和域独有表征向量，通过学生模型中的点击率预测模型获得目标域样本数据对应的点击率的第一预测值，最后，以最小化学生模型的损失函数为目的，调整点击率预测模型、第一表征解耦模型和第二表征解耦模型的参数，其中，学生模型的损失函数包括目标域样本数据对应的点击率的标签值和第一预测值之间的交叉熵。
-
Patent Agency Ranking
公开(公告)号：CN114971742B
公开(公告)日：2024-10-22
申请号：CN202210756065.3
申请日：2022-06-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0203 , G06Q30/0207 , G06Q30/0601
Abstract: 本说明书实施例提供一种用户分类模型的训练、用户分类处理的方法及装置，用户分类模型包括图神经网络、第一分类网络和第二分类网络，该用户分类模型的训练方法包括：获取样本用户，其具有标签数据；在用户关系网络图中，以样本用户为目标节点，利用图神经网络对目标节点进行聚合；将所得的用户表征输入第一分类网络和第二分类网络，得到第一预测值和第二预测值，第一预测值表征样本用户属于由第一类用户和第二类用户构成的第一用户群的概率，第二预测值表征样本用户属于由第二类用户和第三类用户构成的第二用户群的概率；基于第一预测值和/或第二预测值，及标签数据，确定当前损失值；以最小化当前损失值为目标，调整用户分类模型的参数。
-
公开(公告)号：CN115034327B
公开(公告)日：2024-08-13
申请号：CN202210710860.9
申请日：2022-06-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/084 , G06Q40/04 , G06Q10/0635
Abstract: 本说明书实施例公开了一种外部数据应用、用户识别的方法、装置和设备，外部数据应用方法可以将目标对象的来自内部数据源的特征输入内部模型得到内部预测结果；将目标对象的来自不同外部数据源的特征分别输入对应的外部模型得到目标对象的至少一个外部预测结果；对所述内部预测结果和所述至少一个外部预测结果进行融合得到所述目标对象的最终预测结果，且融合时将断流外部数据源对应的外部预测结果替换为所述内部预测结果。
-
公开(公告)号：CN118114675B
公开(公告)日：2024-07-26
申请号：CN202410533245.4
申请日：2024-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/295 , G06F16/35 , G06N3/0455 , G06N5/04 , G06F16/36 , G06N5/022
Abstract: 本申请一个或多个实施例提供一种基于大语言模型的医疗命名实体识别方法和装置，该方法包括：由大语言模型在多个不同的第一类提示文本中的各个第一类提示文本的引导下，基于候选实体类别集合对原始文本进行命名实体识别，得到命名实体识别结果；基于命名实体识别结果，确定原始文本中的各个目标命名实体及其对应的至少一个候选实体类别，并将其转化为与目标命名实体对应的至少一个用于指示与命名实体对应的实体类别的观点；获取与目标命名实体的定义相关的知识文本；由大语言模型从知识文本中抽取与各个观点对应的论据，并进一步基于论据，评估各个观点的正确度；将正确度最高的目标观点指示的候选实体类别确定为与目标命名实体对应的实体类别。
-
公开(公告)号：CN118211729A
公开(公告)日：2024-06-18
申请号：CN202410417783.7
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，考虑到所利用的历史时序数据可能存在缺失从而导致偏差，可以对粗粒度历史时间序列和细粒度历史时间序列分别进行处理，并基于对预测的细粒度时间序列的统计确定具有可比性的粗粒度时序数值。其中，利用粗粒度历史时间序列可以预测粗粒度时序。而粗粒度时序中，单个时间区间(如对应单个时间节点)可以对应多个细粒度时间段，因此，还可以利用细粒度历史时间序列预测粗粒度时序下的细粒度时序分布，并通过分配比例进行描述。从而，可以按照所确定的分配比例，以及粗粒度预测结果，进行细粒度时间序列的预测。如此，可以提高时序预测结果的准确性。
-
公开(公告)号：CN118195011A
公开(公告)日：2024-06-14
申请号：CN202410524696.1
申请日：2024-04-28
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种基于知识图谱的医疗LLM模型推理方法及装置。该方法包括：对由用户提供的用户数据进行内容识别，并基于内容识别结果从用户数据中提取关键词；识别提取出的关键词中包含的实体以及实体之间的关系，并基于识别出的实体以及所述实体之间的关系生成用于构建与用户对应的个性化的用户知识图谱的个性化的图谱元数据；基于所述个性化的图谱元数据构建与用户对应的个性化的用户知识图谱；响应于获取到的由用户输入的目标文本，将所述目标文本进一步输入至医疗LLM模型，以由医疗LLM模型至少将所述用户知识图谱作为知识库对所述目标文本进行逻辑推理，并输出与目标文本对应的推理结果。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.087 seconds)
