-
公开(公告)号：CN111523651A
公开(公告)日：2020-08-11
申请号：CN202010631978.3
申请日：2020-07-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的实施例提供了用于评估神经网络的方法、装置、计算设备和机器可读存储介质。该方法可以包括：生成针对神经网络的原始样本的多个对抗样本，其中：每个对抗样本是基于距离因素和类别差异因素来生成的，距离因素用于表示该对抗样本与原始样本之间的距离，类别差异因素用于表示神经网络对该对抗样本的预测类别与对抗样本目标类别之间的差异；对于任何两个对抗样本而言，针对一个对抗样本的距离因素和类别差异因素中的至少一者的度量方式是不同于另一对抗样本的；使用多个对抗样本对神经网络进行评估。
-
公开(公告)号：CN111340509A
公开(公告)日：2020-06-26
申请号：CN202010440520.X
申请日：2020-05-22
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虚假交易识别方法、装置及电子设备。所述方法包括：获取预定平台所对应的原始交易图数据，根据目标节点从所述原始交易图数据中提取出子图数据；将所述子图数据作为输入，利用预定的多个连续的神经网络结构执行信息聚合操作和特征向量提取操作得到目标特征向量；其中，所述信息聚合操作用于根据各节点之间的相关性确定注意力矩阵，并根据所述注意力矩阵对目标节点的邻域节点信息进行聚合，所述各节点之间的相关性包括根据各节点信息所确定的第一相关性以及根据边信息所确定的第二相关性；将所述目标特征向量输入到分类器中，以便根据所述分类器的输出结果判断所述待识别交易是否为虚假交易。
-
公开(公告)号：CN114897168B
公开(公告)日：2025-02-18
申请号：CN202210696228.3
申请日：2022-06-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开提供了一种风控模型的融合训练方法，包括：接收标签数据并提炼专家知识；将所述标签数据和所述专家知识分别进行多阶特征交叉以获取数据表征和规则表征；基于所述规则表征提纯所述数据表征；以及基于经提纯的数据表征训练并输出所述风控模型。
-
公开(公告)号：CN119167287A
公开(公告)日：2024-12-20
申请号：CN202411129996.6
申请日：2024-08-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例公开了一种图数据处理方法、装置、计算机可读存储介质与电子设备，该图数据处理方法可以包括：利用包含图神经网络模型、超图神经网络模型与特征融合模型的目标深度学习模型，对业务实体的关联关系图的第一图数据与该业务实体的关联关系超图的第二图数据进行处理，以通过图神经网络模型根据第一图数据生成该业务实体的第一特征数据，通过超图神经网络模型根据第二图数据生成该业务实体的第二特征数据，以及，通过特征融合模型针对同一业务实体的第一特征数据与第二特征数据进行特征融合处理，从而得到业务实体的目标特征数据。
-
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。
-
Patent Agency Ranking
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：CN117455304A
公开(公告)日：2024-01-26
申请号：CN202311527242.1
申请日：2023-11-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0639 , G06Q10/0635 , G06N5/022 , G06F18/241
Abstract: 本公开提供了一种用于数字生态图谱链路预测的方法，方法包括：基于初始节点信息和初始边信息来构建初始数字生态图谱，该初始数字生态图谱包含不同类型的节点和不同类型的边；将初始数字生态图谱中待预测链路关系的节点对中的各节点的初始节点特征分别送入更新网络以得到各节点的节点更新特征，其中该更新网络采用嵌入边类型表征的邻域聚集来更新各节点的节点特征；以及将该节点对中的各节点的节点更新特征送入分类器以预测该节点对之间是否存在潜在链路。本申请还涉及用于数字生态图谱链路预测的系统、装置和介质。
-
公开(公告)号：CN117009873A
公开(公告)日：2023-11-07
申请号：CN202311079876.5
申请日：2023-08-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/042 , G06N3/096 , G06Q20/38 , G06Q20/40 , G06N20/20
Abstract: 本说明书一个或多个实施例公开了一种支付风险识别模型的生成方法，包括：获取第一训练样本并设置第一标签，所述第一训练样本为预设的不同支付场景下的支付事件；为每个支付场景分别设置一个分类器，基于所述第一训练样本和所述第一标签训练所述分类器；选取至少一个支付场景，将该支付场景的训练样本作为第二训练样本；将所述第二训练样本输入该支付场景的分类器，将得到的预测结果作为第二标签；基于所述第二训练样本和第二标签，对其他分类器进行集成训练；将训练完毕的所述分类器集成为所述支付风险识别模型。相应地，本说明书还公开了支付风险识别方法及装置。
-
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：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
68
records
(took 0.122 seconds)
