-
公开(公告)号：CN116403034A
公开(公告)日：2023-07-07
申请号：CN202310333647.5
申请日：2023-03-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06Q40/04 , G06Q10/0635
Abstract: 在本说明书提供的图数据模型训练的方法中，根据历史业务记录确定训练样本，通过图数据模型确定训练样本的风险评估值，当训练样本为无标签样本时，根据各无标签样本的风险评估值确定分布；并根据有标签样本的标签，确定所述分布中与所述标签相匹配的区间，以各有标签样本的风险评估值落入与所述标签相匹配的区间为目标，训练所述待训练的图数据模型。从上述方法可以看出，通过利用无标签样本的风险评估值确定分布，再确定有标签样本的风险评估值与所述评估分布的差异，根据所述差异确定损失，利用所述损失训练图数据模型，实现了利用小样本训练图神经网络模型。
-
公开(公告)号：CN119988973A
公开(公告)日：2025-05-13
申请号：CN202510090380.0
申请日：2025-01-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N5/04 , G06F16/334 , G06N3/045
Abstract: 本说明书公开一种模型训练方法、业务执行方法、装置、介质及电子设备，获取目标样本集，而后，针对目标样本集中的每个训练样本，根据该训练样本，确定该训练样本对应的输入信息以及输入信息所对应的引导信息，之后，将输入信息以及引导信息输入到待训练模型中，以使待训练模型根据输入信息以及引导信息，确定输出输入信息对应输出结果时所基于的初始逻辑信息，根据输入信息对应的标准输出结果，通过待训练模型对初始逻辑信息进行调整，得到调整后逻辑信息，根据调整后逻辑信息，确定待训练模型针对输入信息的输出结果，以根据输出结果，训练待训练模型。
-
公开(公告)号：CN117992829A
公开(公告)日：2024-05-07
申请号：CN202410148333.2
申请日：2024-02-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/24 , G06N3/0464 , G06N3/094
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，该方法包括：获取预先训练的分类模型；通过所述预先训练的分类模型，分别对所述源域特征样本和所述目标域特征样本进行分类处理，得到所述源域特征样本对应的标签预测值以及所述目标域特征样本对应的标签预测值；基于所述目标域特征样本对应的标签预测值，确定样本筛选阈值；基于所述样本筛选阈值和所述源域特征样本对应的标签预测值，从所述源域特征样本选取目标特征样本，并通过所述目标特征样本和所述目标域特征样本，对预设业务模型进行训练，得到训练后的业务模型。
-
公开(公告)号：CN117252696A
公开(公告)日：2023-12-19
申请号：CN202311175198.2
申请日：2023-09-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06F16/901
Abstract: 本说明书一个或多个实施例公开了一种资源链路确定的方法、装置及电子设备。所述方法包括：构建包含目标流转事件、在目标流转事件发生前的第一关联流转事件和目标流转事件发生后的第二关联流转事件的第一网络流图；在第一网络流图中添加虚拟源点和虚拟汇点，并将虚拟源点和第一关联流转事件对应的目标流转事件对应的节点以外的节点相连、将虚拟汇点和第二关联流转事件对应的目标流转事件对应的节点以外的节点相连，得到第二网络流图；从第二网络流图中的虚拟源点和所述虚拟汇点之间，确定包含目标流转事件对应的边的目标路径；将目标路径在第一网络流图中对应的边所表示的流转事件，作为目标流转事件对应的资源链路确定结果。
-
公开(公告)号：CN116432048A
公开(公告)日：2023-07-14
申请号：CN202310350772.7
申请日：2023-03-28
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种异常检测方法、装置、存储介质及电子设备。在本说明书提供的异常检测方法中，获取待检测数据；将所述待检测数据输入预先训练的检测模型，以通过所述检测模型中的提取子网提取所述待检测数据的原始特征；将所述原始特征输入所述检测模型的重构子网，以通过所述重构子网对所述原始特征进行处理操作，得到中间特征，并对所述中间特征进行还原操作，得到所述待检测数据的重构特征，其中，所述处理操作至少包括降维操作，所述还原操作至少包括升维操作；根据所述原始特征与所述重构特征，确定所述原始特征与所述重构特征之间的相似度；根据所述相似度，确定所述待检测数据是否异常。
-
Patent Agency Ranking
公开(公告)号：CN116405561A
公开(公告)日：2023-07-07
申请号：CN202310345422.1
申请日：2023-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L67/568 , H04L67/59 , G06F18/213 , G06F30/20
Abstract: 本说明书公开了一种基于特征仿真的风险控制的方法、装置、介质及设备，在本说明书提供的的方法中，针对每个用户，本方法先获取目标时刻的当前流式业务数据、存储的该用户的历史特征仿真结果，然后根据预设的算子对当前流式业务数据与该用户的历史特征仿真结果进行统计，确定该用户在该目标时刻的特征仿真结果并存储，当对目标用户进行风险控制时，根据存储的该目标用户的特征仿真结果确定目标用户的分类结果以进行风险控制。本方法只需确定目标时刻的当前流式业务数据与存储的用户的历史特征仿真结果，就可以确定用户在该目标时刻的各种特征仿真结果，进行风险控制，实现了基于流式数据的特征仿真，节省了特征仿真所需存储空间。
-
公开(公告)号：CN116342281A
公开(公告)日：2023-06-27
申请号：CN202310323458.X
申请日：2023-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06N3/047 , G06N3/08 , G06F18/241 , G06F18/2415 , G06F18/2431 , G06F18/214
Abstract: 本说明书实施例公开了一种交易事件的风险感知方法、装置及设备，该方法包括：获取预设时长内产生的交易事件的信息；基于每个所述交易事件的信息，确定每个所述交易事件对应的特征和每个所述交易事件对应的交易渠道信息；分别将每个所述交易事件对应的特征输入到预先训练的目标模型中，得到每个所述交易事件存在预设风险的概率，所述目标模型用于确定所述交易事件存在预设风险的可疑程度；基于每个所述交易事件存在预设风险的概率和每个所述交易事件对应的交易渠道信息，确定预设时长内产生的交易事件所属的交易渠道中每种所述交易渠道针对所述预设风险的风险表征信息和/或每种所述交易渠道的风险归因信息。
-
公开(公告)号：CN116304679A
公开(公告)日：2023-06-23
申请号：CN202310092535.5
申请日：2023-01-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2415
Abstract: 本说明书实施例提供了一种多标签模型训练方法及装置、介质、设备。方法包括：确定待训练的多标签模型的业务场景中的数据集，从所述数据集中选择出描述同一业务问题的多个数据标签；根据选择出的所述多个数据标签，定义对应的业务标签，并对定义的业务标签进行数值化假设，得到所述业务标签的多个假设数值；其中，所述多个数据标签为从多个角度描述所述业务标签的具体标签；利用所述多个标签数据为各个对应的用户行为数据进行标记；根据所述业务标签的多个假设数值和标记有数据标签的用户行为数据，进行所述多标签模型的训练。本说明书实施例可以大大降低模型训练的工作量。
-
公开(公告)号：CN119990183A
公开(公告)日：2025-05-13
申请号：CN202510199077.4
申请日：2025-02-21
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大语言模型的微调方法和装置。方法包括：获取预训练的大语言模型的权重矩阵，将权重矩阵分解为幅度向量和第一方向矩阵，并初始化第一低秩矩阵和第二低秩矩阵，第一低秩矩阵和第二低秩矩阵的乘积用于拟合第一方向矩阵的增量矩阵；保持第一方向矩阵不变，执行多轮微调，每轮微调包括：将训练文本输入大语言模型，进行损失函数的计算；基于损失函数更新幅度向量；确定损失函数相对于当前方向矩阵的第一梯度矩阵；根据第一梯度矩阵得到更新的第一低秩矩阵以及第二低秩矩阵；基于更新的第一低秩矩阵和第二低秩矩阵的乘积确定本轮增量矩阵，将本轮增量矩阵叠加在第一方向矩阵上，作为本轮更新后的方向矩阵。
-
公开(公告)号：CN118674041A
公开(公告)日：2024-09-20
申请号：CN202410702468.9
申请日：2024-05-31
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基于大语言模型执行业务的方法和装置，确定待执行问答业务对应的用户问题，将所述用户问题输入到智能体模型中，以使所述智能体模型根据所述用户问题检索所述智能体模型中预先存储的知识图谱，确定出用于回复所述用户问题的图谱子结构，并生成所述图谱子结构对应的推理提示。将所述推理提示输入到大语言模型中，以使所述大语言模型根据所述推理提示，生成所述图谱子结构对应的回复，作为所述用户问题的回复。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.029 seconds)
