-
公开(公告)号：CN112215238B
公开(公告)日：2022-06-07
申请号：CN202011182994.5
申请日：2020-10-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/30 , G06V10/40 , G06V10/774 , G06K9/62
Abstract: 本说明书公开了一种通用特征提取模型构建方法、系统及装置。该方法包括：服务端确定所有原始数据中所包含的全部特征类型；针对所获取的全部特征类型构建去噪模型；服务端将所确定的全部特征类型、以及去噪模型下发到每个终端；每个终端根据全部特征类型，确定本地原始数据的缺失特征类型，并基于缺失值填充算法对本地原始数据进行填充，将每条原始数据扩展为包含全部特征类型特征值的标准数据；每个终端对标准数据进行加噪处理，得到训练样本集，训练样本集中每条训练样本以加噪后的标准数据为特征值，以加噪前的标准数据为标签值；服务端与系统中一个或多个终端联合训练去噪模型，利用训练后的去噪模型隐藏层信息构建通用特征提取模型。
-
公开(公告)号：CN113313575B
公开(公告)日：2022-06-03
申请号：CN202110640452.6
申请日：2021-06-08
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供了一种风险识别模型的确定方法及装置，其中，该方法包括：获取目标业务对应的模型训练样本数据和针对目标业务所配置的风控策略信息；基于该模型训练样本数据和用于风险识别的分类模型，对各风控策略信息对应的策略权重进行更新，得到更新后的策略权重；基于该模型训练样本数据和更新后的策略权重，对该分类模型的模型参数进行更新，得到更新后的分类模型；若更新后的分类模型满足预设模型优化终止条件，则将该更新后的分类模型确定为训练后的风险识别模型；若更新后的分类模型不满足预设模型优化终止条件，则将该分类模型作为下一轮策略权重更新所用的用于风险识别的分类模型。
-
公开(公告)号：CN113409050B
公开(公告)日：2022-05-17
申请号：CN202110492178.2
申请日：2021-05-06
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用户操作判断业务风险的方法和装置，方法包括：客户端接收针对目标业务的第一操作，目标业务是多种服务业务之一，第一操作是向服务端提交目标业务的业务请求之前的预定操作；响应于第一操作，在第一执行链路中，获取用户通过客户端执行的历史操作序列，将历史操作序列对应的特征序列输入预先训练的风险预测模型，得到目标业务的风险分数，将风险分数发送给服务端；在与第一执行链路并行执行的第二执行链路中，对目标业务进行继续处理，直至向服务端提交目标业务的业务请求；以使服务端根据业务请求和风险分数，判断目标业务是否具有预设类别的风险。能够确保高准确率、低耗时。
-
公开(公告)号：CN111507461B
公开(公告)日：2022-05-17
申请号：CN202010287390.0
申请日：2020-04-13
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可解释性信息确定方法及装置，该方法首先获取目标对象对应的二维数据表，然后将二维数据表输入预先训练的卷积神经网络，提取各项事件特征的累积特征的特征值，得到至少一张第一特征图，下游网络进行下游卷积处理，获得全局特征；基于全局特征可计算出风险分数值，接下来针对全局特征，执行反卷积算法，得到第二特征图，第二特征图与第一特征图对应，根据第二特征图，可确定导致风险分数值的累积特征，作为可解释性信息。该方法无需产生扰动样本也可确定可解释性信息，不受扰动样本限制，且信息精度较高。
-
公开(公告)号：CN114429222A
公开(公告)日：2022-05-03
申请号：CN202210061986.8
申请日：2022-01-19
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：获取待训练的目标模型对应的模型参数和目标模型的训练样本，并将模型参数划分为多个不同的模型子参数，然后，可以基于训练样本和每个模型子参数对应的损失函数，对目标模型进行模型训练，确定每个模型子参数对应的初始梯度信息，基于每个模型子参数对应的截断信息对相应的模型子参数对应的初始梯度信息进行梯度截断，得到每个模型子参数对应的梯度信息，最终，可以向每个模型子参数对应的梯度信息中加入相应的噪声信息，得到每个模型子参数对应的目标梯度信息，并基于每个模型子参数对应的目标梯度信息对模型参数进行更新，得到训练后的目标模型。
-
Patent Agency Ranking
公开(公告)号：CN111723943B
公开(公告)日：2022-04-29
申请号：CN202010753290.2
申请日：2020-04-01
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一种基于多标签的联邦学习方法、装置和系统，该方法包括：多个机构在进行联邦学习时，可信执行环境可以获取由多个机构提供的多个标签数据组，任一标签数据组中包括多个用户的原始标签，所述多个用户中至少存在一个用户在所述多个标签数据组中的多个原始标签不一致；在获取到多个标签数据组后，利用预设的弱监督学习算法对所述多个标签数据组进行学习训练，得到统一的目标标签数据组，目标标签数据组中包括所述多个用户的目标标签；将所述目标标签数据组发送给所述多个机构，以便由所述多个机构基于所述目标标签数据组进行联邦学习。
-
公开(公告)号：CN110929960B
公开(公告)日：2022-04-15
申请号：CN201911272217.7
申请日：2019-12-12
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供策略选择优化方法以及装置，其中所述策略选择优化方法包括：根据业务中多个业务指标的权重确定目标函数以及约束条件，根据所述业务选择群体优化算法，并根据权重最大的业务指标对应的多个策略初始化策略群，再根据策略群中的多个策略组合构建与所述多个策略组合对应的样本向量；通过将样本向量输入目标函数和约束条件后获取的输出结果筛选策略群的群体最优解，根据所述群体最优解，利用群体优化算法并通过迭代的方式对所述策略群进行优化；在迭代完成的情况下，在迭代完成后获得的目标策略群中筛选所述业务的最优策略组合。
-
公开(公告)号：CN114090243A
公开(公告)日：2022-02-25
申请号：CN202111327329.5
申请日：2021-11-10
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模型计算方法和装置。该方法中，从终端设备上获取用于模型计算的第一特征数据；从服务器上获取用于模型计算的特征计算结果；其中，特征计算结果是所述服务器根据该服务器获取的用于模型计算的第二特征数据计算得到的；利用所述第一特征数据以及所述特征计算结果进行所述模型的计算。本说明书能够更好地进行模型计算，更好地满足业务需求。
-
公开(公告)号：CN113987592A
公开(公告)日：2022-01-28
申请号：CN202111617403.7
申请日：2021-12-28
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文本数据的保密处理方法和装置。该方法包括：得到原始文本数据；将所述原始文本数据输入预先训练的文本生成模型，得到该文本生成模型输出的相似文本数据；该相似文本数据与原始文本数据的文本内容不同，但，该相似文本数据与原始文本数据的语义相似度大于预定值；提供所述相似文本数据。本说明书实施例能够更为有效地阻止文本数据内容的泄露。
-
公开(公告)号：CN113837638A
公开(公告)日：2021-12-24
申请号：CN202111153611.6
申请日：2021-09-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/06 , G06Q30/00 , G06F40/295
Abstract: 本说明书实施例提供了一种话术确定方法、装置及设备，所述方法包括：获取目标用户针对触发执行的目标业务而输入的信息，并基于所述输入的信息对触发执行所述目标业务的意图进行识别，得到所述目标用户触发执行所述目标业务的用户意图；获取风险聚合中与所述用户意图匹配的用户行为所对应的目标风险聚合，所述风险聚合为对执行所述目标业务对应的目标风险数据进行风险聚合处理得到的包含一个或多个风险的聚合；将所述目标风险聚合输入预先训练的预设话术推荐模型，得到与所述目标风险聚合匹配的目标话术；基于所述目标话术，与所述目标用户进行交互，并基于交互结果，确定是否执行所述目标业务。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.047 seconds)
