-
公开(公告)号：CN114462502B
公开(公告)日：2024-07-12
申请号：CN202210011293.8
申请日：2022-01-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/22 , G06F18/241 , G06F21/62
Abstract: 本说明书公开了一种核身推荐模型训练方法及装置。所述方法包括：获取训练样本集合；所述训练样本集合包括不同业务场景中标注有核身产品推荐标签的训练样本；根据所述训练样本集合，预训练所述表征模型；预训练后的表征模型用于将输入的样本特征映射到第一向量空间中，针对相同推荐标签的样本减小第一向量空间映射结果之间的距离；获取任一业务场景中的若干训练样本，将所获取的训练样本输入所述预训练后的表征模型得到第一向量空间映射结果，根据所获取训练样本的第一向量空间映射结果和核身产品推荐标签，训练该业务场景对应的预测模型。
-
公开(公告)号：CN113516480B
公开(公告)日：2024-04-26
申请号：CN202110953376.4
申请日：2021-08-19
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支付风险识别方法、装置及设备，该方法包括：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于目标用户的历史支付交易数据和当前支付环境数据，确定目标用户的预测支付行为数据；利用预设风险识别模型并基于上述预测支付行为数据，对本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在本次支付交易事件执行到第二预设处理节点时，获取在本次支付交易事件执行过程中所产生的目标用户的真实支付行为数据；基于上述预测支付行为数据、真实支付行为数据和预测支付风险识别结果，确定本次支付交易事件对应的目标支付风险识别结果。
-
公开(公告)号：CN117592581A
公开(公告)日：2024-02-23
申请号：CN202311568281.6
申请日：2023-11-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06F18/213 , G06Q20/40 , G06F21/62
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，可以基于确定出的输入到目标模型的不同维度的特征的改变对目标模型的输出结果的影响程度，来生成补充样本数据，从而可以基于补充样本数据对目标模型进行训练，进而可以提升训练后的目标模型的鲁棒性。
-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN112785157B
公开(公告)日：2022-07-22
申请号：CN202110093517.X
申请日：2021-01-22
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风险识别方法。该方法包括：获取待识别的第一事件样本；将该第一事件样本输入针对多个风险域的风险识别系统中；该风险识别系统包括第一表征层，第二表征层和输出层；该第二表征层包括共享表征子层，以及对应该多个风险域的多个特定表征子层；该输出层包括对应该多个风险域的多个输出子层；其中，该第一表征层基于该第一事件样本的事件特征，确定该第一事件样本的第一表征向量；该第二表征层中的各个表征子层各自基于该第一表征向量，确定该第一事件样本的表征子向量；该输出层中的各个输出子层，各自基于所对应风险域的表征子向量和该共享表征子层确定出的表征子向量，确定风险预测结果。
-
公开(公告)号：CN112184231B
公开(公告)日：2022-06-28
申请号：CN202011204068.3
申请日：2020-11-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 根据本说明书提供的一种可信业务确定方法和装置，由终端确定待定业务是否是可信业务。此外，该可信业务确定过程采用可信子图作为判断待定业务是可信的依据，而该可信子图是基于该终端对应的历史中的可信业务得到的，能够表征该终端对应的各历史可信业务的综合特征。此外，本说明书中的可信业务确定过程还结合了触发所述待定业务时业务对象的信息。
-
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。
-
公开(公告)号：CN113516480A
公开(公告)日：2021-10-19
申请号：CN202110953376.4
申请日：2021-08-19
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支付风险识别方法、装置及设备，该方法包括：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于目标用户的历史支付交易数据和当前支付环境数据，确定目标用户的预测支付行为数据；利用预设风险识别模型并基于上述预测支付行为数据，对本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在本次支付交易事件执行到第二预设处理节点时，获取在本次支付交易事件执行过程中所产生的目标用户的真实支付行为数据；基于上述预测支付行为数据、真实支付行为数据和预测支付风险识别结果，确定本次支付交易事件对应的目标支付风险识别结果。
-
公开(公告)号：CN113297396A
公开(公告)日：2021-08-24
申请号：CN202110824981.1
申请日：2021-07-21
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基于联邦学习的模型参数更新方法、装置及设备，其中，该方法包括：接收联邦学习服务端下发的针对目标图神经网络模型的模型参数更新指令，所述模型参数更新指令携带有第一共享参数，所述目标图神经网络模型为多个所述联邦学习客户端的共有模型；基于所述第一共享参数、本地存储的第一独立参数，以及由本地用户私有数据构建的图谱数据，对所述目标图神经网络模型进行训练，得到训练后的所述目标图神经网络模型的模型参数；将所述第二共享参数发送给所述联邦学习服务端，以使所述联邦学习服务端基于多个联邦学习客户端发送的第二共享参数，对所述目标图神经网络模型的第一共享参数进行更新处理。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.061 seconds)
