“李雅亮”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果31个，建议您升级VIP下载更多相关专利

[发明专利]基于图神经网络的社交网络好友推荐方法-CN202011414193.7有效
发明人：魏哲巍;陈明;丁博麟;李雅亮;袁野;杜小勇;文继荣 -专利权人：中国人民大学
申请日： 2020-12-03 - 公布日： 2023-07-18 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于图神经网络的社交网络好友推荐方法，包括：将所有用户及用户间的关系转换为图结构。将所有用户属性信息映射为数值型向量，得到属性矩阵。执行L层属性转移概率计算，从而得到图结构的目标用户和待推荐用户聚合领域信息后的属性信息。将属性信息输入至深层神经网络进行编码，从而得到宿节点和其余待推荐节点编码后的信息，且根据编码信息计算得出宿节点相对于每一其他待推荐节点的相关性分数，并将相关性分数作为推荐的衡量标准，进行好友推荐。借此，本发明的基于图神经网络的社交网络好友推荐方法，提高了社交用户相关性评估的效率，从而提高了好友推荐速度。
基于神经网络社交网络好友推荐方法

[发明专利]文本处理方法、模型训练方法和系统-CN202211549069.0在审
发明人：谢悦湘;董晨鹤;李雅亮;丁博麟;沈颖 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-12-05 - 公布日： 2023-06-09 - 主分类号： G06F40/205 文献下载
摘要：本申请公开了一种文本处理方法、模型训练方法和系统。其中，该方法包括：目标客户端获取待处理文本数据；目标客户端利用文本处理模型对待处理文本数据进行自然语言处理，得到待处理文本数据的文本处理结果；文本处理模型部署在目标客户端本地，文本处理模型的模型参数为服务器发送的目标模型参数，目标模型参数由服务器对第一客户端上传的第一模型梯度和目标客户端对应的原始模型参数进行聚合得到。本申请解决了在异构场景中联邦学习对客户端的模型性能影响较大，导致联邦学习的应用受限的技术问题。
文本处理方法模型训练系统

[发明专利]基于深度SKIP-GRAM网络的文本分类的系统和方法-CN201911100393.2有效
发明人：费洪亮;刘朝春;李雅亮;李平 -专利权人：百度（美国）有限责任公司
申请日： 2019-11-12 - 公布日： 2023-06-09 - 主分类号： G06F16/35 文献下载
摘要：本文中描述的是用于将结合skip‑gram卷积来提取非连续本地n‑gram模式以用于改变文本表达的综合信息的系统和方法的实施方式。在一个或多个实施方式中，采用一个或多个循环神经网络经由链状架构以从局部水平到顺序和全局水平的方式提取长程特征。对广泛用于文本分类任务的大规模数据集进行了综合实验以表明所提出的深度skip‑gram网络实施方式的有效性。对各种数据集的性能评估表明skip‑gram网络的实施方式对于一般文本分类任务集是强大的。skip‑gram模型是稳健的，并且可在不同的数据集上很好地概括，甚至不需要调整特定数据集的超参数。
基于深度 skip gram 网络文本分类系统方法

[发明专利]逻辑回归模型的数据处理及分类预测的方法和设备-CN202310029721.4在审
发明人：鲍尔古特;高大伟;李雅亮 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-01-09 - 公布日： 2023-04-28 - 主分类号： G06F21/62 文献下载
摘要：本申请提供一种逻辑回归模型的数据处理及分类预测的方法和设备。本申请的方法，各端侧设备基于本地存储的多个业务对象的特征数据及分类结果标注信息，训练逻辑回归模型，得到优化后的模型参数，计算模型参数变化量，向模型参数变化量注入噪声，并基于安全聚合协议聚合各端侧设备注入噪声后的模型参数变化量，得到模型参数的聚合变化量并发送至云服务器。云服务器根据模型参数的聚合变化量，更新逻辑回归模型的模型参数，得到用于业务对象分类预测的逻辑回归模型。端侧设备只需注入较少噪声，通过安全聚合协议将注入的独立噪声聚合成更大噪声，实现强差分隐私保护，且不会影响逻辑回归模型的效果，提升了业务对象分类预测的精准度。
逻辑回归模型数据处理分类预测方法设备

[发明专利]一种基于平衡理论的商品分类方法-CN202211472798.0在审
发明人：魏哲巍;雷润林;王桢;李雅亮;丁博麟 -专利权人：中国人民大学
申请日： 2022-11-18 - 公布日： 2023-04-14 - 主分类号： G06Q30/0601 文献下载
摘要：本发明通过网络安全领域的方法，实现了一种基于平衡理论的商品分类方法。通过8个步骤实现对于商品的分类：步骤S1，将目标场景中的对象及对象关系使用图数据结构进行建模；步骤S2，将结点特征降至h维；步骤S3，对变换后的特征矩阵进行消息传播；步骤S4，重复步骤S3；步骤S5，定义对传播后特征矩阵序列的可学习系数加权求和；步骤S6中，定义交叉熵损失函数、优化器的学习率与L2正则项为超参数、选择超参数；步骤S7中，重复步骤S2至S6。步骤S8中，根据S7结果返回商品预测类别。本发明提供的方法相比一般的图鲁棒性方法，本发明技术在谱域角度具备更好的理论解释性。
一种基于平衡理论商品分类方法

[发明专利]摘要文本生成方法、计算设备及存储介质-CN202211611181.2有效
发明人：谢悦湘;董晨鹤;李雅亮;丁博麟;沈颖 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-12-15 - 公布日： 2023-04-11 - 主分类号： G06F40/284 文献下载
摘要：本说明书实施例提供摘要文本生成方法、计算设备及存储介质，该方法包括：获取目标文本；对目标文本执行摘要词预测任务，确定目标文本对应的待生成摘要文本中，各位置的摘要词的第一预测概率；对目标文本执行影响词预测任务，确定目标文本对应的待生成摘要文本中，各位置的影响词的第二预测概率，影响词为经过因果分析确定的对摘要文本生成结果具有影响的词类型；针对目标文本对应的待生成摘要文本中的任一位置，根据任一位置的第一预测概率与第二预测概率，确定任一位置对应的目标摘要词；基于目标摘要词，生成目标文本对应的待生成摘要文本。基于第一预测概率与第二预测概率进行摘要预测，可提高摘要词的预测概率，从而使生成的摘要文本更准确。
摘要文本生成方法计算设备存储介质

[发明专利]模型超参数优化方法、存储介质和电子设备-CN202211592282.X有效
发明人：王桢;程安达;李雅亮;丁博麟 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-12-13 - 公布日： 2023-04-07 - 主分类号： G06F16/9535 文献下载
摘要：本申请公开了一种模型超参数优化方法、存储介质和电子设备。其中，该方法包括：获取第一嵌入表示和第一统计模型；基于第一嵌入表示和第一统计模型进行联邦学习过程中的部分训练迭代轮次，获取第二嵌入表示和第二统计模型，其中，第二嵌入表示为多个客户端中每个客户端对应的目标嵌入表示，第二统计模型是对第一统计模型的模型性能指标进行优化后得到的模型；通过第二嵌入表示和第二统计模型进行联邦超参数优化，得到第一配置数据。本申请解决了相关技术中依赖完整训练迭代轮次或者单一策略网络进行联邦超参数优化导致超参数优化过程个性化难度大、资源消耗大且搜索效率低的技术问题。
模型参数优化方法存储介质电子设备

[发明专利]数据处理方法、数据表示学习方法、系统和设备-CN202211552095.9在审
发明人：邝炜瑞;王桢;冯晋嘉;李雅亮;丁博麟 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-12-05 - 公布日： 2023-03-31 - 主分类号： G06N3/098 文献下载
摘要：本申请提供一种数据处理方法、数据表示学习方法、系统和设备，本申请的方法，在数据表示学习的过程中，由云服务器综合各个客户端设备发送的数据样本的增强样本的数据表示，计算每一客户端设备的数据表示的对比损失及梯度，将属于同一数据样本的增强样本的数据表示作为正样本，将属于不同客户端设备的增强样本的数据表示作为负样本，进行对比学习，得到预训练的数据表示模型，能够在分布式对比学习框架下，充分考虑各全局客户端设备的数据差异程度，提升了数据表示模型的表达能力、泛化能力和性能，用于下游的数据处理任务时，能够提升数据处理结果的精准度。
数据处理方法数据表示学习方法系统设备

[发明专利]数据处理方法、存储介质和电子设备-CN202211587360.7有效
发明人：姚柳佚;王桢;谢悦湘;李雅亮;陈道源;邝炜瑞;丁博麟 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-12-12 - 公布日： 2023-03-21 - 主分类号： G06F21/62 文献下载
摘要：本申请公开了一种数据处理方法、存储介质和电子设备。其中，该方法包括：获取虚拟数据，其中，第一客户端的角色为联邦学习训练过程中的攻击者，第二客户端的角色为联邦学习训练过程中的被攻击者，第一客户端与第二客户端共享邻居生成器；利用虚拟数据进行图联邦攻击，重构第二客户端的私有节点属性以及第一客户端与第二客户端之间的连接关系；基于私有节点属性和连接关系，确定第二客户端发生隐私数据泄露。本申请解决了相关技术中缺乏对联邦学习中图相关信息及邻居生成器共享所引发的隐私泄露的检测手段的技术问题。
数据处理方法存储介质电子设备

[发明专利]通过边缘搜索的特征交互-CN202080100405.6在审
发明人：谢悦湘;王桢;李雅亮;丁博麟;黄俊;孔维丹;林伟;周靖人 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-07-14 - 公布日： 2023-02-03 - 主分类号： G06Q30/0241 文献下载
摘要：交互特征生成系统可以接收与应用相关联的多个不同特征，并将一阶的特征图中的多个节点与多个不同特征相关联。交互特征生成系统可以从低阶的交互特征迭代地生成高阶的交互特征，以形成不同阶的多个特征图。然后，交互特征生成系统可以将不同阶的多个特征图的相应交互特征传播到神经网络，以确定一个或更多个阶的交互特征的数量，一个或更多个阶的所确定数量的交互特征的用于训练预测模型以对应用进行推断。
通过边缘搜索特征交互

[发明专利]基于稀疏适配器的联邦学习方法及系统-CN202211654426.X在审
发明人：陈道源;姚柳佚;高大伟;丁博麟;李雅亮 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-12-22 - 公布日： 2023-01-31 - 主分类号： G06N20/20 文献下载
摘要：本说明书实施例提供基于稀疏适配器的联邦学习方法及系统，通过应用于客户端的该方法，联邦学习中的每个参与客户端均可以根据服务端发送的目标稀疏适配器，结合其客户端的当前向量表示以及模型稀疏度条件，确定调整初始模型稀疏度的第一模型稀疏矩阵；并根据该第一模型稀疏矩阵对初始模型进行稀疏处理，生成其客户端稀疏且个性化的局部稀疏模型，极大的减少了每个参与客户端的系统资源占用（如存储资源以及计算资源）；使得后续在联邦学习中每个参与客户端均可以基于该局部稀疏模型进行高效的模型训练，获得精度以及准确地较高的模型。
基于稀疏适配器联邦学习方法系统

[发明专利]问答计算方法、服务器及存储介质-CN202110326248.7在审
发明人：邓扬;李雅亮;丁博麟 -专利权人：阿里巴巴新加坡控股有限公司
申请日： 2021-03-26 - 公布日： 2022-09-30 - 主分类号： G06F16/332 文献下载
摘要：本申请实施例提供一种问答计算方法、服务器及存储介质。在本实施例中，为针对对象发起的用户问题进行自动问答计算时，可根据用户问题以及对象的描述信息，计算答案编码特征，并根据用户问题以及用户的历史数据计算用户的角色偏好特征，进而可综合考虑多种不同维度的数据进行自动问答计算，以匹配得到符合用户个性化需求的答案。基于这种实施方式，可充分利用对象的描述信息以及用户的历史数据，提高自动问答计算结果的有效性，有利于满足用户实际的提问需求。
问答计算方法服务器存储介质

[发明专利]机器学习模型的优化、预测方法、设备及存储介质-CN202110327817.X在审
发明人：谢悦湘;王桢;李雅亮;丁博麟 -专利权人：阿里巴巴新加坡控股有限公司
申请日： 2021-03-26 - 公布日： 2022-09-30 - 主分类号： G06F30/27 文献下载
摘要：本申请实施例提供一种机器学习模型的优化、预测方法、设备及存储介质。在优化方法中，采用批量训练集对机器学习模型进行训练时，批量训练集对应的优化目标由多个训练数据各自的优化目标以及多个训练数据各自的过拟合正则参数计算得到。在这种优化方式中，可基于每个训练数据的过拟合正则参数，对每个训练数据的训练过程进行约束，进而实现对批量训练集整体的优化目标进行约束。基于这种方式，可实现训练数据级别的正则化，提升机器学习模型的泛化能力，有利于有效提升机器学习模型在多种不同应用场景下的预测精度。
机器学习模型优化预测方法设备存储介质

[发明专利]处理查询语句的方法、装置、存储介质及系统-CN202210296925.X在审
发明人：王桢;李雅亮;丁博麟;周靖人 -专利权人：阿里巴巴达摩院（杭州）科技有限公司
申请日： 2022-03-24 - 公布日： 2022-08-26 - 主分类号： G06F16/953 文献下载
摘要：本发明公开了一种处理查询语句的方法、装置、存储介质及系统。其中，该方法包括：获取待处理查询语句；按照目标策略确定待处理查询语句对应的目标执行计划，其中，目标策略通过多个查询语句训练得到，目标执行计划用于确定待处理查询语句对应的多个状态以及在多个状态中每个状态下的执行动作；按照目标执行计划执行待处理查询语句，得到查询结果。本发明解决了相关技术中提供的查询优化方法其执行计划延时较高、查询效率较低的技术问题。
处理查询语句方法装置存储介质系统

[发明专利]模型剪枝方法、装置、设备和存储介质-CN202210471355.3在审
发明人：高大伟;谢悦湘;周子慕;王桢;李雅亮;丁博麟 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-04-28 - 公布日： 2022-08-26 - 主分类号： G06N3/08 文献下载
摘要：本申请提供一种模型剪枝方法、装置、设备和存储介质，该方法包括：获取模型的随机初始化参数和多个训练任务；采用多个训练任务各自对应的训练样本对模型进行多轮训练，得到两个不同轮次训练后模型分别对应的第一模型参数和第二模型参数。确定第一模型参数中目标层的第一参数矩阵相对应的第一屏蔽矩阵，第二模型参数中目标层的第二参数矩阵相对应的第二屏蔽矩阵；若第一屏蔽矩阵与第二屏蔽矩阵的相似度大于设定阈值，则根据第二模型参数中各层的参数矩阵分别对应的屏蔽矩阵对随机初始化参数进行剪枝处理得到第三模型参数。该方案降低了模型训练的计算开销。
模型剪枝方法装置设备存储介质

1
2
3
下一页»
尾页
共 31 条