-
公开(公告)号：CN117093863A
公开(公告)日：2023-11-21
申请号：CN202311007524.9
申请日：2023-08-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/241 , G06F16/35 , G06V10/764 , G06N3/0464 , 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：获取用于训练目标模型的第一样本数据和第二样本数据，第一样本数据的第一标签信息的准确度高于第二样本数据的第二标签信息的准确度；基于第一样本数据、第二样本数据、目标模型对应的业务的信息、第一标签信息和第二标签信息，对预训练的样本权重模型进行模型训练，得到训练后的样本权重模型；基于第二样本数据和第二标签信息，通过训练后的样本权重模型确定第二样本数据的置信度；基于第二样本数据、第二标签信息和第二样本数据的置信度，对目标模型进行模型训练，得到训练后的目标模型。
-
公开(公告)号：CN116109008B
公开(公告)日：2023-07-04
申请号：CN202310353832.0
申请日：2023-04-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种业务执行的方法及装置，首先，获取业务数据。其次，将业务数据输入到预测模型的权重层中，以确定业务数据中每个业务维度的数据与预测模型输出的预测结果的相关程度。而后，根据相关程度，确定需要进行数据替换的业务维度，作为目标维度。然后，将业务数据中目标维度的数据进行替换，得到替换后业务数据。接着，将业务数据输入到预测模型中的预测层，确定第一预测结果，以及将替换后业务数据输入到预测层中，得到第二预测结果。最后，根据第一预测结果与第二预测结果之间的偏差，对预测模型进行调整，以根据调整后的预测模型，执行业务。本方法可以确定预测模型的可解释性，提高预测模型确定出的预测结果的准确性。
-
公开(公告)号：CN115829755B
公开(公告)日：2023-05-26
申请号：CN202310133681.8
申请日：2023-02-07
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交易风险的预测结果的解释方法和装置。该方法包括：得到时间序列；该时间序列是：由至少两个交易事件的特征按照时间顺序形成的序列；并且，该时间序列被输入机器学习模型，以使得该机器学习模型根据该时间序列输出针对交易风险的预测结果；针对时间序列中的每一种类型的交易事件的特征，确定该类型特征在用于得到所述针对交易风险的预测结果时的重要性；将所述时间序列划分为至少两个子序列；针对每一个子序列，根据所确定出的每一种交易事件的类型的特征的重要性，得到每一种类型的交易事件的特征相对于该子序列的重要性。本说明书实施例能够更好地对机器学习模型得出的交易风险预测结果进行解释。
-
公开(公告)号：CN115936730A
公开(公告)日：2023-04-07
申请号：CN202211673905.6
申请日：2022-12-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/018 , G06F18/2433 , G06N5/025
Abstract: 本说明书实施例提供了一种基于路径规则的团伙挖掘方法及装置、介质、设备。方法包括：确定至少一个黑样本对；在领域图谱中搜索以第一黑节点为头节点以及以第二黑节点为尾节点的路径实例；根据路径实例，确定体现节点类型和节点之间的关联关系类型的路径规则；根据领域图谱中各个节点之间的路径实例是否命中路径规则以及所命中的路径规则，建立第一关联图；其中，第一关联图中的节点为领域图谱中对应的路径实例命中路径规则的节点，第一关联图中两个节点之间的边表征两个节点之间的路径实例所命中的路径规则；根据第一关联图，确定黑团伙。本发明可以提高黑团伙的识别准确率。
-
公开(公告)号：CN114549001A
公开(公告)日：2022-05-27
申请号：CN202210119317.1
申请日：2022-02-08
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训练风险交易识别模型的方法和装置，以及识别风险交易的方法和装置，其中，训练风险交易识别模型的方法的一具体实施方式包括：获取历史交易记录，上述历史交易记录中包括：标注有风险标签的风险交易，标注有无风险标签的正常交易，以及无标签的其他交易；判断上述历史交易记录中各交易对应的端侧行为序列是否具有预设的高危子序列，得到第一判断结果；判断上述历史交易记录中各交易对应的链路特征是否符合预设的高风险模式，得到第二判断结果；基于各交易对应的第一判断结果、第二判断结果、以及交易基本信息，构建各交易样本；基于各交易样本及其标签标注情况，训练风险交易识别模型。
-
Patent Agency Ranking
公开(公告)号：CN118917850A
公开(公告)日：2024-11-08
申请号：CN202410921101.6
申请日：2024-07-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06F18/25 , G06F18/24 , G06F18/213
Abstract: 本说明书提供了一种风险识别方法、装置、存储介质以及电子设备，以待识别账户和待识别账户执行业务的其他账户为节点，业务数据为边，构建业务图，然后再根据待识别账户和其他账户之间的关联度，进一步的更新扩大业务图，当业务图达到更新结束条件时，确定最终的业务图，根据最终的业务图确待识别账户的特征，再根据待识别账户的特征对待识别账户进行风险识别。使得在对待识别账户进行风险识别时，通过待识别账户关联度更高的账户的特征和业务数据表征该待识别节点，可以更好的识别通过复杂业务网络实现风险业务的账户的同时，通过自动对待识别账户的风险识别，减少了人工参与，提高了特征提取的效率以及风险识别的效率，并节省计算资源。
-
公开(公告)号：CN118069248A
公开(公告)日：2024-05-24
申请号：CN202410161353.3
申请日：2024-02-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种业务执行方法、装置、设备及可读存储介质，以获取的各业务对象为节点确定目标拓扑图，获取各业务对象的行为序列，针对目标拓扑图中每个节点，根据该节点的行为序列和该节点的邻居节点的行为序列，确定该节点与该节点的邻居节点之间的关系权重，根据该节点的邻居节点的特征、该节点的邻居节点的行为序列和关系权重，对该节点的特征进行更新，得到该节点的目标特征，根据目标拓扑图中各节点的目标特征执行业务。可见，通过在邻居关系、传播特征提取和节点特征更新进行行为序列和图数据的信息交互和融合，有效地整合了行为序列的特征和图数据的特征，从而提高下游业务的执行效果和数据的隐私安全性。
-
公开(公告)号：CN117787418A
公开(公告)日：2024-03-29
申请号：CN202311870367.4
申请日：2023-12-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N5/022 , G06F16/332 , G06F16/338 , G06F16/33 , G06Q20/40
Abstract: 本说明书公开了一种风险识别方法、装置、存储介质及电子设备。获取目标用户在目标业务下的业务数据，并确定对所述目标用户所需识别的目标风险类型；根据所述目标风险类型，在预先设置的风险规则中，确定用于识别所述目标风险类型的风险规则，作为目标规则；在所述业务数据中筛选与所述目标规则匹配的数据，作为可用数据；根据所述目标风险类型、所述目标规则、所述可用数据构建提示信息；将所述提示信息输入预先训练的生成式模型，得到所述生成式模型输出的对所述目标用户的风险描述。
-
公开(公告)号：CN117454247A
公开(公告)日：2024-01-26
申请号：CN202311412908.9
申请日：2023-10-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06N3/0455 , G06N3/08
Abstract: 本说明书公开了一种模型的训练方法、装置、存储介质及电子设备，获取第一样本以及第一样本对应的交易意图类别在预设的每个分类等级下所属的第一标注类别。将第一样本分别输入多个编码层，得到各第一编码结果。按照分类等级从上到下的顺序，依次针对每个分类等级，将该分类等级的所有上级分类等级对应的编码层的编码结果，以及该分类等级对应的编码层的编码结果，输入该分类等级对应的第一解码层，得到该分类等级对应的第一解码层的解码结果，从而可基于各第一解码层的解码结果，得到模型输出的第一样本在预设的每个分类等级下所属的第一预测类别，并基于第一预测类别以及第一标注类别，训练模型。该方法提升了模型预测的交易意图类别的准确率。
-
公开(公告)号：CN117251730A
公开(公告)日：2023-12-19
申请号：CN202311176867.8
申请日：2023-09-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2131 , G06F18/241 , G06N3/0455 , G06Q40/00
Abstract: 本说明书公开了一种风控模型的预训练方法、装置、存储介质及电子设备，在对风控模型进行预训练时，可获取风控样本，将风控样本分别输入待训练的风控模型的各编码端，得到各编码端输出的各编码结果。根据各编码结果和预训练任务，确定各编码端对应的损失，根据确定出的各编码端对应的损失，确定各编码端的损失权重。根据各编码端的损失权重，对各编码端对应的损失进行加权，得到最终损失，根据最终损失，对待训练的风控模型中的各编码端进行训练。在对风控模型进行多任务预训练时，根据每个任务对应的编码端的损失，确定各编码端损失的权重，从而得到最终损失，平衡了训练风控模型时各训练任务的损失收敛速度，使得各训练任务可在相同时刻收敛。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.054 seconds)
