-
公开(公告)号：CN115408449A
公开(公告)日：2022-11-29
申请号：CN202211332029.0
申请日：2022-10-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06K9/62 , G06Q20/40
Abstract: 本说明书实施例公开了一种用户行为的处理方法、装置及设备，该方法包括：获取目标用户在当前时刻执行目标业务过程中的用户行为数据，并基于当前时刻获取的用户行为数据，获取目标用户执行目标业务过程中的相应用户历史行为数据，将当前时刻获取的用户行为数据和相应用户历史行为数据分别输入到预先训练的编码模型中，得到用户行为数据对应的向量表征和相应用户历史行为数据对应的向量表征，基于用户行为数据对应的向量表征和相应用户历史行为数据对应的向量表征，确定两者之间的相似度，并基于相似度，确定目标用户执行目标业务过程中用户行为分布的变化趋势信息，进而确定用户行为数据中目标用户的用户行为发生突变的位置。
-
公开(公告)号：CN115130621A
公开(公告)日：2022-09-30
申请号：CN202211060836.1
申请日：2022-08-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种模型训练方法、装置、存储介质及电子设备，本说明书实施例中针对将用户数据涉及维度进行组合后的每个维度组合，将用户数据中该维度组合内包含的维度对应的数据输入到特征表示模型中，得到该维度组合对应的特征数据。以同一用户在不同维度组合对应的特征数据之间的偏差最小化为优化目标，对特征表示模型进行训练。最后，特征表示模型将提取的特征数据输入业务模型，使业务模型执行业务。在此方法中，将同一用户的不同维度组合对应的特征数据之间偏差最小化为目标，训练特征表示模型，可以使特征表示模型学习到不同维度下的数据之间的隐含关系，从而提高特征表示模型表示特征数据的准确性以及业务模型执行业务的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113837766A
公开(公告)日：2021-12-24
申请号：CN202111172157.9
申请日：2021-10-08
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提出了一种风险识别方法、装置和电子设备，其中，上述风险识别方法中，端设备利用本地的训练数据对本地模型进行一轮训练之后，将训练获得的模型参数的梯度加密之后，根据上述端设备对应的梯度比例上传给中央服务器，然后中央服务器将每个端设备上传的梯度进行聚合，使用聚合后的梯度更新模型参数，再根据第一参数，确定向每个端设备下发模型参数的参数比例，最后，按照上述参数比例，将更新后的模型参数下发给至少两个端设备，以供至少两个端设备进行本地模型的更新，从而可以保证在梯度上传的过程中，中央服务器更注意那些效果更差的模型，也可以保证全局模型的效果不会偏向过好或过差的局部模型，提升了全局模型的效果。
-
公开(公告)号：CN117952229A
公开(公告)日：2024-04-30
申请号：CN202410194736.0
申请日：2024-02-21
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林晓彤
Abstract: 本说明书提供的一种模型训练方法、业务风控方法、装置以及存储介质，可以首先获取预设业务事件对应的多模态信息，以及描述预设业务事件的文本描述信息，将多模态信息输入预设的多模态特征提取模型，以提取出针对多模态信息的多模态特征，以及将文本描述信息输入到预设的文本描述特征提取模型，以提取出针对文本描述信息的文本描述特征，而后，以最小化多模态特征与文本描述特征之间的偏差为优化目标，对多模态特征提取模型以及文本描述特征提取模型进行联合训练，训练后的多模态特征提取模型用于对用户执行业务时所涉及的多模态信息进行特征提取，以将提取出的特征通过预设的接口输入到预设的问答模型中，并根据问答模型输出的结果执行业务。
-
公开(公告)号：CN117787995A
公开(公告)日：2024-03-29
申请号：CN202311845185.1
申请日：2023-12-28
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林晓彤
Abstract: 本说明书公开了一种可疑团伙的识别方法、装置及电子设备。方法包括：基于目标交易关系图中各节点的初始特征和各节点的连接边的边特征，生成目标交易关系图中各节点的节点特征。基于目标交易关系图中的边特征，预测目标交易关系图中具有指定违规交易行为的可疑连接边，并将目标交易关系图中的第一节点划分成至少一个群组，以将目标交易关系图拆分成与每个群组对应的目标交易关系子图；其中，每个目标交易关系子图中的所有第一节点形成交易关系连通的拓扑结构，第一节点为可疑连接边关联的节点。基于每个目标交易关系子图中的节点特征，确定每个群组对应的群组特征。基于每个群组对应的群组特征，预测每个群组是否为可疑团伙。
-
公开(公告)号：CN115905624A
公开(公告)日：2023-04-04
申请号：CN202211271412.X
申请日：2022-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/90 , G06N3/044 , G06N3/0464 , G06N3/084
Abstract: 本说明书实施例公开了一种用户行为状态的确定方法、装置及设备，该方法包括：获取目标用户多次执行目标业务所产生的操作行为信息构建的业务时序信息，基于业务时序信息和预先训练的神经网络模型，确定业务时序信息对应的重构系数，训练神经网络模型的过程中通过以下目标函数对神经网络模型中的模型参数进行优化处理：基于由训练样本和训练样本对应的重构系数样本构建的范数，以及重构系数样本对应的熵确定的目标函数；基于业务时序信息对应的重构系数和业务时序信息，确定业务时序信息中不同时间执行的目标业务之间的关联关系；基于业务时序信息中不同时间执行的目标业务之间的关联关系，确定目标用户执行目标业务的行为状态信息。
-
公开(公告)号：CN111539612A
公开(公告)日：2020-08-14
申请号：CN202010308006.0
申请日：2020-04-17
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林晓彤
IPC: G06Q10/06 , G06F16/35 , G06F40/289
Abstract: 本说明书公开了一种风险分类模型的训练方法和系统，对投诉样本数据进行风险类型识别，确定出M类已知风险类型和未明确类型的剩余样本数据；在M类已知风险类型中；利用主题建模模型对剩余样本数据提取主题词集；利用密度型聚类算法对提取的主题词集进行聚类，获得N类新风险类型；在N类新风险类型中，一类新风险类型对应一类主题词集，新风险类型和已知风险类型不同；利用投诉样本数据、目标主题词集和目标风险类型对句子主题匹配网络进行训练，获得风险分类模型；其中，目标主题词集中包括M类已知风险类型对应的主题词集和N类新风险类型对应的主题词集，目标风险类型包括M类已知风险类型和N类新风险类型。
-
-
-
-
-
-
Search Results
17
records
(took 0.046 seconds)
