-
公开(公告)号：CN119760342A
公开(公告)日：2025-04-04
申请号：CN202411805692.7
申请日：2024-12-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06F123/02
Abstract: 本说明书实施例提供一种预测用户行为的方法和装置。方法包括：获取目标用户在目标时刻之前的最近m次交互行为形成的第一行为序列，根据第一行为序列形成第一特征序列；根据目标用户的静默时长确定第一衰减状态向量，其中静默时长为该用户在目标时刻前最后一次交互事件距离目标时刻的时长；将第一衰减状态向量作为LSTM单元的单元状态向量，将根据第一特征序列确定的第二特征序列作为待处理序列，共同输入长短期记忆LSTM神经网络进行序列处理，得到第一输出特征序列；根据第一输出特征序列，确定目标用户在目标时刻的用户表征；根据用户表征，预测目标用户在目标时刻的交互行为。
-
公开(公告)号：CN119357252A
公开(公告)日：2025-01-24
申请号：CN202411381094.1
申请日：2024-09-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/23 , G06F16/901 , G06F18/22 , G06F18/214 , G06F18/213 , G06F18/2431 , G06N3/0455 , G06N3/042 , G06N3/049 , G06N3/084 , G06Q10/0635 , G06F123/02
Abstract: 本说明书公开了一种时序图数据风控方法、装置、介质及设备，响应于用户的风控请求，确定当前时刻的时序图数据以及时序图数据中的待风控用户的目标节点，时序图数据的节点是基于用户数据确定的，边是基于用户之间关系确定的，且节点与边携带有数据更新的时间信息。从时序图数据中确定目标节点的子图。将携带时间信息的子图输入训练完成的风控模型，通过风控模型中的时间编码器，得到时间特征，通过风控模型中的图数据编码器，得到图数据特征。将时间特征与图数据特征输入风控模型中的解码器，得到目标节点的风险分类结果，以及目标节点与时序图数据中各节点的连接关系的预测结果。根据风险分类结果以及预测结果，对待风控用户进行风控。
-
公开(公告)号：CN119005331A
公开(公告)日：2024-11-22
申请号：CN202411034282.7
申请日：2024-07-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N20/00 , G06F16/332
Abstract: 本说明书公开了一种文本自检模型的微调方法、装置、存储介质、设备，获取原始文本自检模型中指定网络层的初始参数，针对所获取的每个指定网络层，对该指定网络层的初始参数进行降维，根据降维后的各指定网络层与所述原始文本自检模型，得到降维文本自检模型，将样本答复文本输入所述降维文本自检模型，得到所述降维文本自检模型输出的安全性评价，根据所述安全性评价与所述样本答复文本所对应的安全标签的差异，对所述降维文本自检模型进行调整，本方法可以降低文本自检模型微调过程对存储空间的需求，并降低进行微调时计算过程中的模型复杂度。
-
公开(公告)号：CN115081640B
公开(公告)日：2024-10-18
申请号：CN202210636831.2
申请日：2020-12-06
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差分隐私的联邦学习方法及装置、电子设备，该方法应用于任一终端设备，包括多次迭代，每次迭代包括：基于训练数据和当前本地参数，确定待处理的第一梯度向量，对第一梯度向量进行多级量化处理，得到第二梯度向量，在第二梯度向量的向量空间中，基于第二梯度向量，生成第一向量集合和第二向量集合，进行满足差分隐私的采样，以从第一向量集合或第二向量集合中随机采样出第三梯度向量。对第三梯度向量进行归一化，得到目标梯度向量，并向服务器上传目标梯度向量。能够提高联邦学习过程中的通讯效率，从而提高了联邦学习的效率。
-
公开(公告)号：CN118708629A
公开(公告)日：2024-09-27
申请号：CN202410711816.9
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/906 , G06F16/9535 , G06Q30/0601 , G06Q40/04 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本说明书实施例公开了一种信息提取方法、装置及电子设备。所述信息提取方法包括：获取由节点和边所构成的目标异质图；将所述目标异质图输入用于提取风险信息的信息提取模型的分解模块，得到包含所述目标异质图的中心节点和目标节点的多个子图，同一所述子图的目标节点的类型相同，所述分解模块用于对输入的异质图进行分解处理；将各个所述子图分别输入所述信息提取模型中与所述子图对应的表征模块，得到各个所述子图的中心节点的属性表征；使用所述信息提取模型的融合模块对各个所述子图的中心节点的属性表征进行融合处理，得到所述目标异质图的中心节点的属性表征，以基于所述目标异质图的中心节点的属性表征执行相应的业务处理。
-
Patent Agency Ranking
公开(公告)号：CN113987280B
公开(公告)日：2024-07-12
申请号：CN202111256452.2
申请日：2021-10-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N20/00
Abstract: 本说明书实施例提供一种针对动态图训练图模型的方法及装置，首先获取第一实体对应第一时间点的第一表达向量和第二时间点的第二表达向量，然后通过第一时间表征模型确定第一时间差对应的第一时间表征向量，接着，基于第一时间表征向量确定第一表达向量和第二表达向量之间的f‑信息，进一步以f‑信息最大化为目标确定模型损失，并向着模型损失减小的方向调整图模型及第一时间表征模型中的各个待定参数。这种方式可以提高模型的灵活性和有效性。
-
公开(公告)号：CN117933368A
公开(公告)日：2024-04-26
申请号：CN202410140527.8
申请日：2024-01-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种大模型联邦学习方法、装置、存储介质及电子设备。在本说明书提供的大模型联邦学习方法中，针对每个参与联邦学习的客户端，接收该客户端在训练该客户端的目标大模型后发送的增量参数，该客户端的模型参数由原始参数和增量参数构成，增量参数的量级小于原始参数的量级，在训练目标大模型时，原始参数不变，增量参数改变；采用各客户端的增量参数对该客户端的增量参数进行聚合，得到该客户端的聚合参数；将聚合参数返回给该客户端，使该客户端根据聚合参数更新该客户端的增量参数，根据原始参数和更新后的增量参数重新确定模型参数，并采用重新确定的模型参数重新对目标大模型进行训练，直到目标大模型收敛。
-
公开(公告)号：CN117933343A
公开(公告)日：2024-04-26
申请号：CN202410077897.1
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种图数据处理以及模型训练的方法及装置，其中，图数据处理方法获取目标图数据；所述目标图数据中包括多个用户节点和各个用户节点各自对应的特征数据；任一用户节点对应的特征数据包括该用户节点表示的用户的用户特征；生成所述目标图数据对应的目标序列；所述目标序列包括目标数目个序列元素，所述序列元素包括所述多个节点的部分特征数据；将所述目标序列输入至目标图神经网络，利用目标脉冲神经网络对所述目标图神经网络输出的结果进行二值化处理，得到目标脉冲数据。
-
公开(公告)号：CN112926090B
公开(公告)日：2023-10-27
申请号：CN202110322506.4
申请日：2021-03-25
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 吴若凡
IPC: G06F21/62 , G06F16/2458
Abstract: 本说明书提供一种基于差分隐私的业务分析方法及装置，根据该方法，所述方法包括至少一个业务分析阶段，任一个业务分析阶段包括至少一轮操作；该业务分析阶段的第n轮的操作包括以下步骤：获取目标数据；所述目标数据为对待处理数据进行匿名化处理得到的；对所述目标数据进行预设的业务分析；若所述业务分析成功，结束该业务分析阶段；若所述业务分析失败，确定第n+1轮的隐私预算，并向所述多个用户设备发送所述第n+1轮的隐私预算。从而能够在对数据进行差分隐私处理的过程中，自适应地调整隐私预算，增强了隐私保护过程的灵活性，提高了隐私保护数据的可用性。
-
公开(公告)号：CN116306959A
公开(公告)日：2023-06-23
申请号：CN202211338706.X
申请日：2022-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 吴若凡
Abstract: 本说明书提供了一种联邦学习的方法、装置、存储介质及电子设备。在本说明书提供的联邦学习方法中，确定与第二参与方共有的目标节点，并确定对应的标注；将目标节点对应的数据输入待训练图网络模型中，通过特征提取层提取目标节点的第一特征；采用第二参与方的公钥加密第一特征，得到第一加密特征；接收第二参与方发送的第二加密特征；对第一加密特征和第二加密特征进行融合，得到融合加密特征；将融合加密特征输入待训练图网络模型的后续处理层中，得到模型输出的加密输出结果；将加密输出结果发送给第二参与方，使第二参与方采用私钥对加密输出结果进行解密，得到解密结果；接收第二参与方发送的解密结果，采用解密结果对模型进行训练。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.043 seconds)
