-
公开(公告)号：CN113255908B
公开(公告)日：2023-04-07
申请号：CN202110584259.5
申请日：2021-05-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/044 , G06N3/045 , G06N3/048 , G06N3/08 , G06N3/0442 , G06N3/0455
Abstract: 本说明书实施例提供一种基于事件序列进行业务预测的方法和神经网络模型。在该方法中，首先获取目标事件序列，其中包含τ个事件；事件的类别型字段的备选类别值被视为实体。然后确定单个事件对应的事件嵌入向量；τ个事件的事件嵌入向量构成嵌入矩阵。接着，利用分配矩阵对嵌入矩阵进行线性变换，基于线性变换结果得到实体表征矩阵；其中，分配矩阵指示各事件对各实体的包含关系。进一步的，对实体表征矩阵中对应于同一字段的矩阵部分进行池化操作，得到该字段对应的字段表征向量；再基于各字段表征向量，确定目标事件序列对应的条件嵌入向量。从而至少基于该条件嵌入向量，确定目标事件序列对应的序列表征向量，用于进行与事件相关的业务预测。
-
公开(公告)号：CN115545572B
公开(公告)日：2023-03-21
申请号：CN202211508347.8
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种业务风控的方法、装置、设备及存储介质，可以通过双塔模型的第一特征提取子网，提取出用户的业务数据的第一特征，从而可以从通过双塔模型的第二特征提取子网提取出的各历史业务数据的第二特征中，匹配出参考特征，进而可以根据参考特征对应的历史业务数据的风控结果对用户的业务进行风控。
-
公开(公告)号：CN115545124A
公开(公告)日：2022-12-30
申请号：CN202211507937.9
申请日：2022-11-29
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样本不平衡场景下的样本增量、模型训练方法及装置。其中，用户样本集包括高风险用户样本和低风险用户样本及其类别标签，高风险用户样本属于小样本。在该方法中，从用户样本集中按照不偏向高风险用户样本的方式确定观测用户样本，从用户样本集中按照偏向高风险用户样本的方式对样本抽样，得到抽样用户样本；基于风控场景中高风险用户数量小于低风险用户数量的风险用户特点，确定第一数量占比，以第一数量占比为平均值确定符合风险用户特点的第一概率分布，按照第一概率分布确定属于观测用户样本的第一因子。这样，基于第一因子、观测用户样本与抽样用户样本及其相应的样本标签，确定插值用户样本以及对应的插值标签。
-
公开(公告)号：CN113255891B
公开(公告)日：2022-05-17
申请号：CN202110587002.5
申请日：2021-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种通过高阶特征交互对事件进行处理的方法和神经网络模型。在该方法中，首先获取目标事件的编码向量；然后对该编码向量进行非线性变换，得到第一特征向量，其中所有元素均为正数。接着，对于多种高阶特征组合中任意的第一组合，利用与第一组合对应的第一组合矩阵处理该第一特征向量的自然对数，得到中间向量，并基于中间向量的自然指数确定第一组合对应的特征交互向量；其中，多种高阶特征组合中每种组合，对应于第一特征向量中多个向量元素的相乘组合。于是，至少基于上述多种高阶特征组合各自对应的特征交互向量，确定目标事件的事件表征向量；进而进行与事件相关的业务预测。
-
公开(公告)号：CN114462502A
公开(公告)日：2022-05-10
申请号：CN202210011293.8
申请日：2022-01-06
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种核身推荐模型训练方法及装置。所述方法包括：获取训练样本集合；所述训练样本集合包括不同业务场景中标注有核身产品推荐标签的训练样本；根据所述训练样本集合，预训练所述表征模型；预训练后的表征模型用于将输入的样本特征映射到第一向量空间中，针对相同推荐标签的样本减小第一向量空间映射结果之间的距离；获取任一业务场景中的若干训练样本，将所获取的训练样本输入所述预训练后的表征模型得到第一向量空间映射结果，根据所获取训练样本的第一向量空间映射结果和核身产品推荐标签，训练该业务场景对应的预测模型。
-
Patent Agency Ranking
公开(公告)号：CN114445084A
公开(公告)日：2022-05-06
申请号：CN202210079483.3
申请日：2022-01-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开提供了一种具有隐私保护的极速风控智能预测方法，包括：接收用户交易操作意图；基于交易操作意图，获取交易的关键属性并确定关键属性的预测值；接收用户交易操作确认；基于交易操作确认，确定关键属性的实际值；比较关键属性的预测值和实际值；以及根据比较结果，确定是否执行交易。
-
公开(公告)号：CN114357517A
公开(公告)日：2022-04-15
申请号：CN202111683309.1
申请日：2021-12-30
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基于隐私保护的模型训练方法及装置，获得用于训练目标业务模型的初始事件序列集合；针对所述初始事件序列集合中的各初始事件序列，根据第一增强策略的策略信息，基于预设的用于进行数据扰动修改的多个数据增强单元，对该初始事件序列进行第一数目的数据增强操作，得到对应的增强事件序列，其中，一次数据增强操作利用一个数据增强单元执行；策略信息至少指示所述第一数目；利用各增强事件序列形成的第一增强序列集合进行模型训练，得到隐私保护的第一业务模型。
-
公开(公告)号：CN113988225A
公开(公告)日：2022-01-28
申请号：CN202111597741.9
申请日：2021-12-24
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建立表征提取模型、表征提取、类型识别的方法和装置。根据该实施例的方法，首先获取包含一个以上样本对的第一训练数据，样本对包括正样本对和负样本对；然后利用第一训练数据训练第一表征提取模型和第二表征提取模型，其中第一表征提取模型用以利用用户的终端侧特征提取用户的终端侧表征向量，第二表征提取模型用以利用用户的服务器侧特征提取用户的服务器侧表征向量；训练目标为最大化正样本对的终端侧表征向量与服务器侧表征向量之间的相似度且最小化负样本对的终端侧表征向量与服务器侧表征向量之间的相似度；再将训练得到的第一表征提取模型部署于终端设备。
-
公开(公告)号：CN113902256A
公开(公告)日：2022-01-07
申请号：CN202111059586.5
申请日：2021-09-10
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训练标签预测模型的方法、标签预测方法和装置。首先获取样本集合，所述样本集合中的各样本包括对象的特征数据以及对该对象标注的标签；然后从所述样本集合中确定支持集合和查询集合；再利用所述支持集合和查询集合训练标签预测模型；其中，将所述支持集合和查询集合中的查询样本输入所述标签预测模型，由所述标签预测模型利用输入的查询样本与支持集合中各支持样本之间的特征相似度以及各支持样本的标签，预测输入的查询样本的标签；训练目标为最小化预测结果与查询样本被标注的标签之间的差异。
-
公开(公告)号：CN113255908A
公开(公告)日：2021-08-13
申请号：CN202110584259.5
申请日：2021-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于事件序列进行业务预测的方法和神经网络模型。在该方法中，首先获取目标事件序列，其中包含τ个事件；事件的类别型字段的备选类别值被视为实体。然后确定单个事件对应的事件嵌入向量；τ个事件的事件嵌入向量构成嵌入矩阵。接着，利用分配矩阵对嵌入矩阵进行线性变换，基于线性变换结果得到实体表征矩阵；其中，分配矩阵指示各事件对各实体的包含关系。进一步的，对实体表征矩阵中对应于同一字段的矩阵部分进行池化操作，得到该字段对应的字段表征向量；再基于各字段表征向量，确定目标事件序列对应的条件嵌入向量。从而至少基于该条件嵌入向量，确定目标事件序列对应的序列表征向量，用于进行与事件相关的业务预测。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.035 seconds)
