-
公开(公告)号:CN113672741B
公开(公告)日:2024-06-21
申请号:CN202110953001.8
申请日:2021-08-19
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种信息的处理方法、装置及设备,所述方法包括:获取待补全的知识图谱中包含的节点的信息;基于每个节点所在的位置,获取每个节点所在的位置对应的关系过滤规则,并分别基于每个节点和每个节点对应的关系过滤规则,确定不同的节点对应的关系过滤信息;对不同的节点对应的关系过滤信息进行维度转换,得到转换后的不同节点对应的关系过滤信息;基于所述转换后的不同节点对应的关系过滤信息,以及预设的目标函数和损失函数,确定所述知识图谱中的不同的节点之间存在的关联关系,基于所述知识图谱中的不同的节点之间存在的关联关系对所述知识图谱进行补全处理。
-
公开(公告)号:CN113837635B
公开(公告)日:2024-06-14
申请号:CN202111150419.1
申请日:2021-09-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06F16/27 , G06F16/36 , G06N20/00
Abstract: 本说明书实施例提供了一种风险检测处理方法、装置及设备,其中方法包括:根据获取的多个目标事件的事件信息,生成多个目标事件的第一知识超图;其中,事件信息包括相应目标事件的至少一个事件要素;第一知识超图的每个超边对应一个目标事件,超边中的每个节点对应至少一个目标事件的一个事件要素;根据第一知识超图,确定目标事件中待检测项目的检测信息;采用预先通过两个代理任务基于多个历史事件的第二知识超图进行交替预训练所得的预训练模型生成检测信息的第一特征数据;采用预先训练的风险检测模型,基于第一特征数据对待检测项目进行风险检测处理,得到风险检测结果信息。
-
公开(公告)号:CN117950876A
公开(公告)日:2024-04-30
申请号:CN202410195378.5
申请日:2024-02-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F9/50
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备,其中,方法包括:获取待解释的第一模型、所述第一模型的输入数据,以及与所述第一模型对应的目标数据;通过预设评估维度和每个所述评估维度对应的评估策略,基于所述待解释的第一模型、所述第一模型的输入数据,以及所述目标数据,对所述目标数据的解释效果进行评估处理,得到每个所述评估维度的评估结果;在所述预设评估维度中,基于所述每个评估维度的评估结果,确定所述目标数据的解释效果不满足预设效果需求的目标评估维度;基于所述目标评估维度的评估结果,生成针对所述目标数据的解释优化方案,所述解释优化方案用于对所述目标数据的生成方式进行优化处理。
-
公开(公告)号:CN113837635A
公开(公告)日:2021-12-24
申请号:CN202111150419.1
申请日:2021-09-29
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风险检测处理方法、装置及设备,其中方法包括:根据获取的多个目标事件的事件信息,生成多个目标事件的第一知识超图;其中,事件信息包括相应目标事件的至少一个事件要素;第一知识超图的每个超边对应一个目标事件,超边中的每个节点对应至少一个目标事件的一个事件要素;根据第一知识超图,确定目标事件中待检测项目的检测信息;采用预先通过两个代理任务基于多个历史事件的第二知识超图进行交替预训练所得的预训练模型生成检测信息的第一特征数据;采用预先训练的风险检测模型,基于第一特征数据对待检测项目进行风险检测处理,得到风险检测结果信息。
-
公开(公告)号:CN111476668B
公开(公告)日:2020-10-13
申请号:CN202010585710.0
申请日:2020-06-24
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可信关系的识别方法、装置、存储介质和计算机设备。该方法包括:获取用户的行为数据,行为数据包括目标主体的主体特征和多个对象主体的主体特征;根据目标主体的主体特征和多个对象主体的主体特征,利用预先训练的图神经网络模型,生成目标主体对应的第一节点嵌入向量和多个对象主体对应的第二节点嵌入向量;根据第一节点嵌入向量和各个第二节点嵌入向量,生成目标主体与各个对象主体之间的向量距离;判断多个向量距离是否均大于或等于设定阈值;若判断出多个向量距离中至少一个向量距离小于设定阈值,将小于设定阈值的向量距离对应的第一节点嵌入向量和第二节点嵌入向量,确定为可信关系对。
-
公开(公告)号:CN111582873A
公开(公告)日:2020-08-25
申请号:CN202010377734.7
申请日:2020-05-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40
Abstract: 本说明书一个或多个实施例提供一种评估交互事件的方法及装置、电子设备、存储介质,根据历史交互事件数据集,构建若干带有标签的交互关系子图,并使用带有标签的所述交互关系子图,对预设模型进行训练,得到可信数据评估模型,再利用所述可信数据评估模型,得到不带标签的交互关系子图的评估分值,进而将评估分值高于预设评估分值的所述不带标签的交互关系子图判定为可信子图并存储,用以评估交互事件是否可信。本说明书的一个或多个实施例提供的评估交互事件的方法及装置、电子设备、存储介质,把可信关系形成为可信子图,可用于解决传统方案所不能涵盖的子图可信识别问题。
-
公开(公告)号:CN114092097B
公开(公告)日:2024-05-24
申请号:CN202111396497.X
申请日:2021-11-23
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涉及数据处理技术领域,尤其涉及一种风险识别模型的训练方法、交易风险确定方法及装置。该方法包括:获取训练样本,训练样本包括第一交易的意愿标签、风险标签以及多个特征;将多个特征输入风险识别模型进行预测处理,预测处理包括,在特征处理网络,对多个特征进行特征交叉处理,得到表征向量;在第一识别层,基于对表征向量的第一处理结果,确定第一交易的意愿度;在第二识别层,基于对表征向量的第二处理结果,确定第一交易的风险度;在预测损失减小的方向,更新风险识别模型的参数,其中预测损失包括第一损失和第二损失,第一损失基于意愿度和意愿标签确定,第二损失基于风险度和风险标签确定。
-
公开(公告)号:CN112836218B
公开(公告)日:2024-04-16
申请号:CN202110050426.8
申请日:2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种风险识别方法及装置和电子设备,应用于终端设备的可信执行环境。所述可信执行环境中存储有历史业务请求和风险规则。该方法包括:响应于业务客户端发起的待发送的业务请求,获取业务请求包含的用户账户和终端标识;查询历史业务请求中同样具有该用户账户和设备标识的历史目标业务请求,并对历史目标业务请求进行统计分析,得到风险指标的数值;判断风险指标的数值是否达到风险规则中设定的阈值;删除所述待发送的业务请求中携带的设备标识,并添加判断结果,由所述业务客户端将所述业务请求发送给业务服务端;以使所述业务服务端基于该判断结果执行该业务请求。由于设备标识不对外发送从而可以保护用户的个人信息。
-
公开(公告)号:CN117807439A
公开(公告)日:2024-04-02
申请号:CN202311848645.6
申请日:2023-12-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/213 , G06F18/22 , G06F40/279 , G06F40/30 , G06Q40/06 , H04L9/40 , H04L41/14
Abstract: 本说明书公开了一种模型训练的方法、业务风控的方法及装置,具体包括:通过对获取到的历史会话流量数据进行筛选,得到对应的会话序列信息。然后对会话序列信息中的部分信息进行遮盖,将遮盖后序列信息输入到待训练的目标模型,使得目标模型对被遮盖信息进行预测,生成预测结果。以最小化预测结果与被遮盖信息的偏差为优化目标,训练目标模型。利用训练好的目标模型,提取待风控流量数据的特征信息,并将待风控流量数据的特征信息与流量库中的特征信息进行匹配,根据匹配结果进行风控。相比于现有的风控方法来说,本说明书中的模型训练方法,训练效率较高,整个训练过程中所消耗的成本较少,使得对于流量数据的风控过程的风控效率获得明显提升。
-
公开(公告)号:CN113256300B
公开(公告)日:2023-04-07
申请号:CN202110582927.0
申请日:2021-05-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例提供了一种交易的处理方法及装置,该方法包括:接收第一用户的交易请求;其中,该交易请求指示第一用户与第二用户进行交易;获取与上述交易请求相关联的历史记录数据;根据该历史记录数据,采用机器学习模型预测上述交易是否为可信交易;其中,该交易被判定为可信交易的条件包括该交易不存在囤号风险;其中,上述历史记录数据包括以下数据中的至少一种:第一用户的历史点击行为序列数据、第一用户的交易关系数据、第二用户的交易关系数据,以及第一用户与第二用户之间的历史交易数据。
-
-
-
-
-
-
-
-
-