-
公开(公告)号：CN114648070A
公开(公告)日：2022-06-21
申请号：CN202210296932.X
申请日：2022-03-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供关键行为抽取网络、关键属性抽取网络的训练方法及装置。其中，关键行为抽取网络的训练方法包括：先将原始行为序列输入关键行为抽取网络，得到若干关键行为，形成关键行为序列；所述原始行为序列包括目标用户做出的按时间顺序排列的T个操作行为；再将所述关键行为序列输入预先训练好的业务预测模型，得到业务预测结果；之后，基于所述业务预测结果和所述原始行为序列的业务标签，训练所述关键行为抽取网络。如此，可以自动精准地抽取关键行为，有效增强对完整行为序列的业务预测结果的可解释性。
-
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：CN111967565B
公开(公告)日：2021-04-27
申请号：CN202011147771.5
申请日：2020-10-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/02
Abstract: 本说明书实施例提供一种适用于在多方隐私保护下进行风险评估的神经网络系统，包括：适用于多方分布式部署的第一神经网络模型和第二神经网络模型；其中第一神经网络模型包括对应于第一用户的N个属性字段的N个子模型，用于获取对应的属性字段在T个操作事件的T个字段值，对其分别进行编码，得到T个特征向量，再对该T个特征向量进行第一向量组合，得到该属性字段对应的属性嵌入向量，其中第一向量组合包括涉及K个特征向量相乘的K阶向量间组合运算，K＞=2；第二神经网络模型用于，对该N个子模型输出的N个属性嵌入向量进行第二向量组合，得到该第一事件序列对应的第一嵌入向量，进而基于该第一嵌入向量确定与该第一用户相关的风险评估结果。
-
公开(公告)号：CN112256841A
公开(公告)日：2021-01-22
申请号：CN202011350754.1
申请日：2020-11-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/33 , G06F40/279 , G06F40/30
Abstract: 本说明书实施例提供一种文本匹配和对抗文本识别方法、装置及设备。文本匹配方法包括：构建第一文本和第二文本的文本向量，并分析文本向量之间的对齐信息；从对齐信息中抽取出关键对齐信息，以保留文本中关键文本单元相关的对齐信息；基于第一文本和第二文本的文本向量、关键对齐信息，分析第一文本和第二文本的匹配关系，达到从文本样本的维度进行文本匹配分析的目的。
-
-
Patent Agency Ranking
公开(公告)号：CN111507726A
公开(公告)日：2020-08-07
申请号：CN202010265783.1
申请日：2020-04-07
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报文生成方法、装置及设备。该方案包括：利用报文生成模型中的编码器对用户特征向量序列进行编码得到编码向量序列；利用该报文生成模型中的第一权重向量计算层，根据预设转移概率矩阵，确定所述编码向量序列中的各个编码向量的第一权重向量，以便于该报文生成模型中的混合编码向量生成层根据所述编码向量序列及所述各个编码向量的第一权重向量去生成混合编码向量；该报文生成模型中的全连接层可以根据所述混合编码向量及解码器的上一刻输出向量，生成所述解码器的输入向量，以便于所述解码器对所述输入向量进行解码处理后得到报文。
-
公开(公告)号：CN110851541A
公开(公告)日：2020-02-28
申请号：CN201911046463.0
申请日：2019-10-30
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用于基于关系图生成风险特征的方法及装置。在该方法中，在获取事件级数据后，执行以下循环过程，直至满足指定循环结束条件：按照构图模板和当前边参数来将事件级数据构建成关系图，对关系图进行特征生成处理以生成当前风险特征，输出满足指定特征效能条件的风险特征。其中，在不满足指定循环结束条件时对当前边参数进行参数调整处理，调整后的边参数被确定为下一循环中的当前边参数。
-
公开(公告)号：CN119397216A
公开(公告)日：2025-02-07
申请号：CN202411315845.X
申请日：2024-09-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/21 , G06F18/27 , G06F18/214
Abstract: 本说明书实施例公开了一种用于训练准确度评估模型的方法、装置、存储介质及电子设备，根据目标模型对应的原始数据集，获得所述原始数据集对应的第一样本数据集；获得所述目标模型关于所述原始数据集的第一输出分布和所述目标模型关于所述第一样本数据集的第二输出分布；获得所述第二输出分布与所述第一输出分布之间的第一分布偏移信息，根据所述原始数据集对应的标签信息，确定所述目标模型关于所述第一样本数据集的第一预测准确度；根据所述第一分布偏移信息和所述第一预测准确度对准确度评估模型进行训练，获得已训练的准确度评估模型，其中，所述第一预测准确度被作为所述第一分布偏移信息对应的标签信息。
-
公开(公告)号：CN118278539A
公开(公告)日：2024-07-02
申请号：CN202410383999.6
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06Q40/04 , G06Q40/00 , G06F16/901
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：获取待增强的第一图结构数据中的目标节点，所述第一图结构数据基于与目标用户触发执行金融类业务对应的业务数据构建，所述第一图结构数据用于表示所述目标用户与其他用户之间的资源交易关系；基于所述目标节点的节点特征，通过预先训练的节点生成模型，生成与所述目标节点对应的邻居节点以及所述邻居节点的节点特征；基于所述目标节点对应的邻居节点以及所述邻居节点的节点特征，对所述第一图结构数据进行信息增强处理，确定增强后的第一图结构数据，所述增强后的第一图结构数据用于确定所述目标用户触发执行所述金融类业务是否存在风险。
-
公开(公告)号：CN118246549A
公开(公告)日：2024-06-25
申请号：CN202410278728.4
申请日：2024-03-11
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例披露一种大模型可解释性的分析方法及装置。该方法包括：首先，通过对范例样本集进行m次采样，获得m个样本子集，其中各个范例样本包括对应用户的用户特征和用户行为标签，所述用户行为标签指示用户是否做出预定行为；接着，针对任意的第一样本子集，将其中各范例样本作为上下文学习的示例，与待预测的目标用户的特征共同输入大模型，得到针对所述目标用户的第一行为预测结果；然后，将所述第一样本子集的采样信息作为样本特征，结合所述第一行为预测结果，构建所述第一样本子集对应的训练样本；之后，利用所述m个样本子集对应的m个训练样本训练目标模型；其中，训练好的目标模型用于所述大模型的可解释性分析。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.055 seconds)
