-
Patent Agency Ranking
公开(公告)号：CN116361488A
公开(公告)日：2023-06-30
申请号：CN202310452028.8
申请日：2023-04-23
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 朱仲书
IPC: G06F16/36 , G06F18/24 , G06F18/214 , G06Q10/0635
Abstract: 本说明书实施例涉及一种基于知识图谱挖掘风险对象的方法及装置，方法包括：加载预先形成的知识图谱数据，知识图谱中的部分用户和/或部分交易被标定为风险对象，使用M个知识图谱规则挖掘算法分别对知识图谱进行规则挖掘，得到M个规则集合，将这M个规则集合合并之后得到包含N条风险规则的集合，这些规则用于推导出涉及风险对象的知识点。然后利用这些规则在原知识图谱上进行知识推理，得到假定涉及风险对象的多个假定知识点。根据假定知识点与各条风险规则的交叉验证结果，确定相应的标注数据，利用这些标注数据训练目标模型，训练好的目标模型用于挖掘风险对象。
-
公开(公告)号：CN116226409A
公开(公告)日：2023-06-06
申请号：CN202310445019.6
申请日：2023-04-23
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 朱仲书
Abstract: 本说明书实施例涉及一种分布式知识图谱分片方法及装置，所述方法应用于分布式系统，所述分布式系统包含主设备和N个工作设备，方法包括：任一工作设备将边全集中分配给该设备子集中的边的节点聚类为若干个节点簇，形成聚类结果并发送给主设备；主设备将接收的N个聚类结果合并后发送给所述N个工作设备；任一工作设备根据预设的代价评估函数，将接收到的聚类结果中的多个节点簇分配给若干个分片，形成分片提案并发送给主设备；主设备接收N个分片提案，将其中代价值最小的第一分片结果确定为对所述目标知识图谱进行分片的第一目标分片结果。
-
公开(公告)号：CN114511100B
公开(公告)日：2023-01-13
申请号：CN202210393596.0
申请日：2022-04-15
Applicant: 支付宝(杭州)信息技术有限公司(CN)
IPC: G06N20/00
Abstract: 本说明书实施例提供了一种支持多引擎框架的图模型任务实现方法和系统，包括图模型任务处理方法和图模型任务部署方法，任务处理方法包括：获取预设数据格式的图数据；从两种以上机器学习引擎和/或两种以上图学习框架中，确定目标机器学习引擎或目标图学习框架；将所述图数据从所述预设数据格式转换为与所述目标机器学习引擎或所述目标图学习框架对应的数据格式，得到目标输入数据；将所述目标输入数据提供给所述目标机器学习引擎或所述目标图学习框架，通过所述目标机器学习引擎或所述目标图学习框架基于其支持的机器学习模型处理所述目标输入数据实现图模型任务。
-
公开(公告)号：CN114742691A
公开(公告)日：2022-07-12
申请号：CN202210544687.X
申请日：2022-05-19
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 朱仲书
Abstract: 本说明书实施例提供了一种图数据采样方法和系统，所述图数据基于点切分方式被拆分为多个图分片，多个图分片分布式存储于多个计算单元，所述方法由其中某一计算单元执行，所述方法包括：接收来自控制端的采样请求；响应于所述采样请求，在本地的图分片中进行采样；向所述控制端反馈采样结果。
-
公开(公告)号：CN114511100A
公开(公告)日：2022-05-17
申请号：CN202210393596.0
申请日：2022-04-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书实施例提供了一种支持多引擎框架的图模型任务实现方法和系统，包括图模型任务处理方法和图模型任务部署方法，任务处理方法包括：获取预设数据格式的图数据；从两种以上机器学习引擎和/或两种以上图学习框架中，确定目标机器学习引擎或目标图学习框架；将所述图数据从所述预设数据格式转换为与所述目标机器学习引擎或所述目标图学习框架对应的数据格式，得到目标输入数据；将所述目标输入数据提供给所述目标机器学习引擎或所述目标图学习框架，通过所述目标机器学习引擎或所述目标图学习框架基于其支持的机器学习模型处理所述目标输入数据实现图模型任务。
-
-
-
-
Search Results
15
records
(took 0.027 seconds)
