-
公开(公告)号：CN116704178A
公开(公告)日：2023-09-05
申请号：CN202310361842.9
申请日：2023-04-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/26 , G06V10/40 , G06V10/22 , G06V10/30 , G06V10/82 , G06V10/80 , G06V10/28 , G06V10/774 , G06V10/764 , G06N3/0455 , G06N3/08
Abstract: 本说明书公开了一种图像的实例分割方法、装置、存储介质和电子设备，获取待分割图像以及若干待调整定位框；将所述待分割图像输入所述编码端，以提取所述待分割图像的多尺度特征，将多尺度特征输入所述解码端，以检测所述待分割图像中的各目标，针对每个目标，将各待调整定位框作为包含噪声的定位框输入所述解码端，对各待调整定位框进行去噪，得到用于定位该目标的标准定位框，所述噪声为导致各待调整定位框相对于该目标的标准定位框存在差异的噪声，根据该目标的标准定位框和所述多尺度特征，从所述待分割图像中分割该目标。本方法通过除去图像噪声，实现对图像进行实例分割。
-
公开(公告)号：CN116402631A
公开(公告)日：2023-07-07
申请号：CN202310261905.3
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种社区发现的方法、装置、存储介质及电子设备，所述方法包括：接收各服务提供方发送的用户的用户信息，再根据接收到的各服务提供方发送的用户信息，确定用户信息相同的用户为交集用户。之后，根据交集用户对应的由不同服务提供方确定的各社区标识，将交集用户聚合为一个聚合用户，并且确定各聚合用户之间的社区关系。然后，将各聚合用户之间的社区关系和各聚合用户对应的用户信息发送给各服务提供方，使得各服务提供方发现之前不存在关系的用户之间可能存在某种关系，并且属于一个社区，从而可以将未加入社区的用户加入到与之存在关系的用户所在的社区，使得服务提供方可以发现更多的用户之间存在关系和更多的社区。
-
公开(公告)号：CN116028820B
公开(公告)日：2023-07-04
申请号：CN202310299829.5
申请日：2023-03-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06Q20/40
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，所述方法包括：先获取风控样本以及风控样本对应于各风险类型的原始标注，再根据风控样本对应于各风险类型的原始标注和预设的规则，确定风控样本的综合风险标注。之后，在训练待训练的风险识别模型时，若风险类型对应的梯度与综合梯度存在冲突，将风险类型对应的梯度与综合梯度不冲突的梯度分量重新作为风险类型对应的梯度，从而可以消除风险类型对应的梯度与综合梯度冲突的梯度分量。然后，根据各风险类型分别对应的梯度，确定出不存在冲突的待训练的风险识别模型的梯度来调整模型参数，减少了梯度冲突对模型训练的影响，使得训练得到的风险识别模型更准确。
-
公开(公告)号：CN116306868A
公开(公告)日：2023-06-23
申请号：CN202310217203.5
申请日：2023-03-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/08
Abstract: 本说明书实施例公开了一种模型的处理方法、装置及设备，该方法包括：将目标域的目标数据分别输入第一教师模型和第二教师模型中，得到第一教师模型对应的第一输出数据和第二教师模型对应的第二输出数据，第一教师模型是源域的模型，第二教师模型是目标域的模型；将目标数据输入到数据选择模型中，得到第一教师模型和第二教师模型的重要性权重，并基于上述重要性权重和两个输出数据，确定目标数据对应的教师输出结果；将目标数据输入到第一学生模型中，得到目标数据对应的第一学生输出结果；基于教师输出结果、第一学生输出结果和目标数据对应的标签信息，通过预设的损失函数，使用第一教师模型和第二教师模型对第一学生模型进行知识蒸馏训练。
-
公开(公告)号：CN115905624B
公开(公告)日：2023-06-16
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。
-
Patent Agency Ranking
公开(公告)号：CN111475587B
公开(公告)日：2023-06-09
申请号：CN202010440549.8
申请日：2020-05-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/28 , G06Q10/0635 , G06N3/0464
Abstract: 本说明书提供一种风险识别方法和系统，所述风险识别模型包括多层数据层和多个分类器，多个分类器分别与多层数据层连接，多个分类器代表多个精度档位。所述方法和系统将目标数据输入风险识别分类模型，并基于当前的目标业务数据设定目标精度档位，从而将与目标精度档位对应的目标分类器的输出结果作为目标数据的分类结果。所述方法和系统通过一个多精度数据分类模型实现多个精度的数据分类，基于目标业务数据调整对应的分类器，对简单的样本简化计算过程，对复杂的样本加强计算精度，从而节省计算时间，提高计算效率。
-
公开(公告)号：CN111291282B
公开(公告)日：2023-04-14
申请号：CN202010390982.5
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9537 , G06Q20/14 , G06Q20/32 , G06Q50/26
Abstract: 本说明书提供一种推荐乘车补登站点的方法及装置和电子设备。所述方法包括：在当前乘车渠道响应于用户的进站请求发现该用户需要补登上一次出站站点时，查询当前乘车渠道内存储的该用户上一次乘车记录的用户乘车数据；基于多方安全排序算法，按照时间顺序对存储在其它乘车渠道内该用户上一次乘车记录的用户乘车数据和当前乘车渠道内的用户乘车数据进行排序；其中，多方安全排序算法用于在其它乘车渠道不发送存储的用户乘车数据的情况下，确定当前乘车渠道和其它乘车渠道的用户乘车数据之间的排序结果；根据排序结果中每个用户乘车数据对应的站点名称，向用户推荐补登站点。由于多方安全排序过程中用户乘车数据不出域，从而保护了用户的隐私。
-
公开(公告)号：CN114819971B
公开(公告)日：2023-04-07
申请号：CN202210429553.3
申请日：2022-04-22
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多维度关系型数据的风控方法、图聚类方法及装置。方法包括：获取目标对象集的多维度的关系型视图数据，目标对象集包括待执行对象和已知黑名单对象。计算各维度的关系型视图数据中节点之间的相似度向量，并将各维度的相似度向量计算结果进行矩阵转换，得到各维度的相似度矩阵。构建以各维度的相似度矩阵自加权表达的统一矩阵，统一矩阵具有连通分量数等于聚类簇数的秩约束。基于各维度的相似度矩阵与统一矩阵互耦合的目标函数，对各维度的相似度矩阵与统一矩阵进行相互优化，得到优化后统一矩阵提供的目标对象集的聚类结果。基于聚类结果中待执行对象与已知黑名单对象之间的相似度，对待执行对象执行相匹配的风控操作。
-
公开(公告)号：CN115828162A
公开(公告)日：2023-03-21
申请号：CN202310137411.4
申请日：2023-02-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/25
Abstract: 本说明书公开了一种分类模型训练的方法、装置、存储介质及电子设备，在本说明书提供的方法中，先获得每种模态类型的信息的单模态分类结果，作为第一分类结果，然后将各模态类型的信息输入待训练的多模态分类模型，确定各模态类型的信息的特征与各特征的融合特征，并根据融合特征确定所述训练样本的分类结果，作为第二结果，根据所述第一分类结果、第二分类结果、所述标注确定各模态类型对应的损失，根据各模态类型对应的损失确定共同损失，根据共同结果调整待训练的多模态分类模型的参数，得到训练后的多模态分类模型。从上述方法中可以看出，根据本方法训练得到的多模态分类模型能够准确的根据多模态类型的信息进行分类。
-
公开(公告)号：CN113268776B
公开(公告)日：2023-03-07
申请号：CN202110508630.X
申请日：2019-12-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/64 , G06F18/214 , G06F18/25 , G06N20/00
Abstract: 本说明书实施例提供一种基于区块链的模型联合训练方法及装置，在训练方法中，区块链的当前层节点接收对应的上层节点发送的第一训练结果。该第一训练结果至少基于第一类型结果确定，第一类型结果由上层节点基于其在链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练后得到。当前层节点基于其链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练，得到第二训练结果。对第一训练结果和第二训练结果进行融合，得到融合结果。判断当前层节点是否在最后一个层级。若当前层节点在最后一个层级，则在区块链上广播所述融合结果，以使得多个节点基于融合结果对各自在链上维护的多种模型中的目标模型进行更新。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.085 seconds)
