-
公开(公告)号：CN115658891A
公开(公告)日：2023-01-31
申请号：CN202211274605.0
申请日：2022-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F16/332 , G06F40/284 , G06F40/30 , G06F40/247
Abstract: 本说明书公开了一种意图识别的方法、装置、存储介质及电子设备。该意图识别的方法包括：将获取到的待识别语句输入预先训练的意图识别模型中，以通过意图识别模型，对待识别语句中包含的专有词进行提取，以及，确定待识别语句对应的基础语义信息，确定符合该基础语义信息对应语意下的专有词类型，并在提取到的各专有词中，确定属于该专有词类型的专有词，作为目标专有词，进而根据目标专有词，对待识别语句进行意图识别。
-
公开(公告)号：CN115545002A
公开(公告)日：2022-12-30
申请号：CN202211509841.6
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/194 , G06F40/289 , G06F40/30
Abstract: 本说明书公开了一种模型训练和业务处理的方法、装置、存储介质及设备。该模型训练的方法包括，获取历史对话，从历史对话中确定目标语句，将历史对话输入待训练的特征提取模型中，以使特征提取模型根据历史对话中除目标语句外的其他语句，确定目标语句对应的语句特征，作为第一特征，以及，根据目标语句，确定目标语句对应的语句特征，作为第二特征，以最小化第一特征与第二特征之间的偏差为优化目标，对特征提取模型进行训练，其中，训练后的特征提取模型用于确定输入的每个对话语句对应的语句特征，并将输出的语句特征进行发送，以使接收端根据接收到的语句特征进行业务处理。
-
公开(公告)号：CN115269809B
公开(公告)日：2022-12-30
申请号：CN202211135890.8
申请日：2022-09-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , A63F13/87
Abstract: 本说明书实施例描述了意图识别模型的训练方法和装置及意图识别方法和装置。根据实施例的方法，可以在模型训练的前几轮弱化对特定问题的训练，然后利用前几轮训练的意图识别模型可以找出需要进行区分的回答所对应的意图。进一步通过对这些意图的标签进行重置后再训练意图识别模型，能够使得训练得到的意图识别模型对特定问题的回答也具有较好的识别效果，从而达到提高意图识别准确性的目的。
-
公开(公告)号：CN115392386A
公开(公告)日：2022-11-25
申请号：CN202211058124.6
申请日：2022-08-30
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模型的训练方法、装置及设备，该方法包括：获取用于训练目标模型的文本数据样本，该文本数据样本中包括第一数量的类别标签，第一数量不超过用于训练目标模型的样本的类别标签对应的第二数量，将文本数据样本输入到目标模型中，得到文本数据样本属于第二数量的类别标签中每个类别标签的概率，并基于得到的概率和第一数量的类别标签，通过目标模型对应的预设损失函数，确定文本数据样本对应的损失信息，基于文本数据样本对应的损失信息，对第一数量的类别标签进行裁剪处理，并通过反向传播算法，基于包含剩余类别标签的文本数据样本对目标模型进行模型训练。
-
公开(公告)号：CN115293247A
公开(公告)日：2022-11-04
申请号：CN202210859441.1
申请日：2022-07-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种建立风险识别模型的方法、风险识别的方法及对应装置。其中方法包括：获取利用用户在N个时刻的网络行为数据构建的N个时刻的异构网络图，所述节点中的部分节点被标注有是否存在预设类型风险的标签；利用所述N个时刻的异构网络图训练得到所述风险识别模型，其中所述风险识别模型包括图神经网络、脉冲神经网络、拼接网络和映射网络；所述训练目标包括：最小化所述风险识别模型对节点的风险识别结果与标签之间的差异。本申请将图神经网络与脉冲神经网络结合，提出了基于脉冲神经网络的风险识别模型来捕捉动态图数据的结构和时序信息，以使得基于用户网络行为数据的风险识别更加准确。
-
Patent Agency Ranking
公开(公告)号：CN115238250A
公开(公告)日：2022-10-25
申请号：CN202211124251.1
申请日：2022-09-15
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模型的处理方法、装置及设备，该方法包括：基于提示学习的方式对目标模型进行模型训练，并获取训练后的目标模型中针对需要插入的提示信息确定的第一模型权重；获取所述目标模型对应的目标水印信息，并基于所述目标水印信息和所述第一模型权重，为每个所述第一模型权重生成相应的权重扰动信息，其中，生成的权重扰动信息能够对相应的第一模型权重进行扰动的程度小于预设阈值；将生成的权重扰动信息与相应的第一模型权重进行融合处理，生成目标模型权重，并使用所述目标模型权重替换所述训练后的目标模型中针对需要插入的提示信息确定的第一模型权重，得到待部署的目标模型，将待部署的目标模型部署于相应的业务中。
-
公开(公告)号：CN115238060A
公开(公告)日：2022-10-25
申请号：CN202211141861.2
申请日：2022-09-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F40/35 , G06F40/205 , G06Q10/10
Abstract: 本说明书实施例提供了一种人机交互方法及装置、计算机可读存储介质、计算设备，方法包括：根据在本轮人机对话中机器提问话术和用户回答内容，确定用户意图；调用预设对话流程文件，并从所述预设对话流程文件中选择出与所述用户意图具有映射关系的流程节点；其中，所述预设对话流程文件中包括至少一个映射关系，每一个映射关系为一个预设用户意图和一个流程节点之间的映射关系；根据选择出的流程节点，确定针对所述用户回答内容而进行的下一轮对话中的机器话术，并输出所述机器话术。本说明书实施例使得维护工作变得简单。
-
公开(公告)号：CN115222262A
公开(公告)日：2022-10-21
申请号：CN202210867251.4
申请日：2022-07-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/06 , G06F16/33 , G06F16/332 , G06F16/338 , G06Q40/02
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：在检测到目标用户触发执行目标业务的情况下，基于获取的目标信息，确定与所述目标信息对应的第一特征向量，所述目标信息包括所述目标用户触发执行所述目标业务所需的信息，和/或所述目标用户针对触发执行所述目标业务的交互信息；基于待输出的候选话术的频次信息、匹配信息和第一信息，确定每个所述候选话术对应的第二特征向量；基于所述第一特征向量和所述第二特征向量，确定每个所述候选话术与所述目标用户触发执行所述目标业务的匹配度；基于所述匹配度，确定所述候选话术中与所述目标用户触发执行所述目标业务匹配的目标话术，并输出所述目标话术。
-
公开(公告)号：CN115221523A
公开(公告)日：2022-10-21
申请号：CN202211140635.2
申请日：2022-09-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/56 , G06F16/958
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取待检测的目标页面，并将所述目标页面包含的文本信息划分为多个子文本信息；基于每个所述子文本信息对应的文本特征向量、所述目标页面对应的图像特征向量、所述目标页面的布局信息，以及预先训练的类型确定模型，确定所述目标页面的页面类型，所述类型确定模型用于基于多模态数据确定页面的页面类型，所述目标页面的布局信息包括每个所述子文本信息在所述目标页面的第一位置信息，以及所述图像特征向量对应的图像在所述目标页面的第二位置信息；基于所述目标页面的页面类型，确定所述目标页面是否为存在风险的页面。
-
公开(公告)号：CN115170136A
公开(公告)日：2022-10-11
申请号：CN202210687416.X
申请日：2022-06-17
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更新可信模型的方法及装置。其中方法包括：获取新增样本以及新增样本对应的标签；将新增样本输入原可信模型，获取并存储原可信模型针对新增样本的输出结果作为新增样本的模拟原始标签；在原可信模型中新增一个与原输出层结构相同且并列的新输出层，得到新可信模型；利用新增样本训练新可信模型，以最小化原输出层针对新增样本的输出结果与新增样本的模拟原始标签之间的差异，新输出层针对新增样本的输出结果与新增样本对应的标签之间的差异，以及新输出层针对新增样本的输出结果与新增样本的模拟原始标签之间的差异；从训练结束后得到的新可信模型中去除原输出层得到更新后的可信模型。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.044 seconds)
