-
公开(公告)号：CN111259931B
公开(公告)日：2022-06-28
申请号：CN202010021127.7
申请日：2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例公开了一种用户分组及活跃度确定方法。所述用户活跃度确定方法包括：分别获取多个用户的特征数据；基于用户的第一属性，将所述多个用户划分为至少一个群组；对于每个群组，利用聚类算法至少基于用户的特征数据，确定对应于每个用户的聚类簇；对于每一个聚类簇，获取该聚类簇中的用户在预设时间段内产生的交互数据以确定用户的活跃度。本说明书将多个用户划分为聚类簇，可以较为精确的确定存在交互行为的多个用户的各自的活跃度。
-
公开(公告)号：CN111523649B
公开(公告)日：2022-06-10
申请号：CN202010384217.2
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本发明涉及针对业务模型进行数据预处理的方法及装置。本说明书实施例提供一种新型的用于处理分类业务的业务模型，该业务模型通过多个深度网络实现，在多个深度网络中，通过引入描述不同特征值的特征表达向量，以及与各个分类类别分别对应的各个层标签向量，可以在每一个深度网络中，都充分考虑各个业务特征对于相应分类类别的重要度。在利用业务模型进行目标类别确定时，可以针对每个分类类别确定其作为待处理的业务数据的目标类别的可能性，从而提高业务模型的准确度，并且由于在各个深度网络中确定了相应业务特征的重要度系数，使得业务模型的业务处理结果具有可追溯性，提高使用体验。
-
公开(公告)号：CN111814921B
公开(公告)日：2020-12-18
申请号：CN202010922527.5
申请日：2020-09-04
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对象特征信息获取、对象分类、信息推送方法及装置。在确定对象的特征信息时，从N个时刻的N个关系网络中分别确定第一节点的多个邻居节点，得到N个邻居节点组，并基于每个时刻对应的邻居节点组以及第一节点的节点特征，确定第一节点在各个时刻的空间聚合特征；将N个时刻的N个空间聚合特征按照时间顺序以序列的方式输入序列神经网络，分别得到第一节点在N个时刻的N个时空表达；对N个时空表达进行聚合，得到第一节点的时空聚合特征，作为第一节点代表的第一对象的特征信息。
-
公开(公告)号：CN111738628A
公开(公告)日：2020-10-02
申请号：CN202010816539.X
申请日：2020-08-14
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群组识别方法及装置，其中，该方法包括：获取待风控的目标业务的业务行为数据。基于该业务行为数据和至少一个目标介质类型，构建第一关系网络图谱；该第一关系网络图谱包括：用户节点、以及与目标介质类型对应的介质节点，该目标介质类型是基于利用训练好的图深度学习模型得到的边权重数据所确定的。利用预设群组划分方式，对第一关系网络图谱中的多个用户节点进行群组划分，得到多个目标群组。在多个目标群组中，根据各目标群组的业务行为数据，确定风险群组。
-
公开(公告)号：CN111582872A
公开(公告)日：2020-08-25
申请号：CN202010373952.3
申请日：2020-05-06
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异常账号检测模型训练、异常账号检测方法、装置及设备，其中，异常账号检测模型训练方法可以基于目标应用在预设时段内的账号注册数据，构建包含账号和设备两种节点的网络图，在该网络图中，一个账号和注册该账号的设备之间存在一条边；然后基于预设图节点表示向量学习算法，确定所述网络图中账号的表示向量；最后将网络图中账号的表示向量和标签作为输入，对目标残差网络进行有监督的训练，训练好的目标残差网络可用于检测使用同一设备在目标应用中注册的多个账号中的一个账号是否为异常账号。
-
Patent Agency Ranking
公开(公告)号：CN111291165B
公开(公告)日：2020-08-14
申请号：CN202010384236.5
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30
Abstract: 本说明书实施例提供一种训练词向量嵌入模型的方法，该方法包括多次迭代更新，其中任一次包括：先从训练语句对应的词语序列中，确定中心词语和对应的多个上下文词语；接着，根据第一词向量矩阵，确定该中心词语对应的中心词向量，以及根据第二词向量矩阵，确定该多个上下文词语对应的多个上下文词向量；然后，基于该多个上下文词向量彼此之间的相似度，确定其对应的多个注意力权重；再利用该多个注意力权重，对该多个上下文词向量进行加权求和，得到中心词语的上下文表示向量；再然后，计算该中心词向量与该上下文表示向量之间的第一相似度；最后，至少以增大该第一相似度为目标，更新上述第一词向量矩阵和第二词向量矩阵。
-
公开(公告)号：CN111523686A
公开(公告)日：2020-08-11
申请号：CN202010326265.6
申请日：2020-04-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书实施例公开了一种模型联合训练的方法及系统。所述方法包括：多个联合训练的参与终端分别基于所述终端自身持有的私有数据联合进行模型训练，多个联合训练的参与终端分别使用基于梯度的优化算法生成各自的梯度；所述多个参与终端分别将所述各自的梯度发送给服务器；所述服务器从多个所述梯度中选取可信任梯度，并且根据选取的所述可信任梯度更新所述联合训练模型的参数；所述样本数据为文本数据、语音数据或者图形数据。
-
公开(公告)号：CN111259931A
公开(公告)日：2020-06-09
申请号：CN202010021127.7
申请日：2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例公开了一种用户分组及活跃度确定方法。所述用户活跃度确定方法包括：分别获取多个用户的特征数据；基于用户的第一属性，将所述多个用户划分为至少一个群组；对于每个群组，利用聚类算法至少基于用户的特征数据，确定对应于每个用户的聚类簇；对于每一个聚类簇，获取该聚类簇中的用户在预设时间段内产生的交互数据以确定用户的活跃度。本说明书将多个用户划分为聚类簇，可以较为精确的确定存在交互行为的多个用户的各自的活跃度。
-
公开(公告)号：CN111210279A
公开(公告)日：2020-05-29
申请号：CN202010021082.3
申请日：2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本发明提供一种目标用户预测方法、装置和电子设备；所述方法包括：获取用户介质网络图；所述用户介质网络图包括：表示用户的用户节点、表示介质的介质节点，以及连接用户节点和介质节点以表示用户与介质存在对应关系的边；其中，部分所述用户节点关联有用于表示目标用户的标签；将所述用户介质网络图输入图注意力网络模型，得到所述用户节点与所述介质节点间的影响度；根据所述影响度，重构所述用户介质网络图；并迭代训练图注意力网络模型，并在迭代结束时获得待预测用户介质网络图和训练后的图注意力网络模型；根据所述待预测用户介质网络图和所述训练后的图注意力网络模型，得到目标用户预测结果。
-
公开(公告)号：CN111091001A
公开(公告)日：2020-05-01
申请号：CN202010198678.0
申请日：2020-03-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/289 , G06K9/62
Abstract: 本说明书提供一种词语的词向量的生成方法、装置及设备，所述方法包括：将待处理语料进行分词后，分别确定出各个分词后的词语的n元笔画和m元注音字符，进一步初始化各个词语的词向量、笔画向量、注音字符向量，基于词向量、笔画向量、注音字符向量计算出各个词语与上下文词语之间的综合相似度以及与负样例词语之间的综合相似度，基于计算出的综合相似度对各个词语的词向量、笔画向量、注音字符向量进行优化调整。笔画和注音分别表征了词语两个不同方向的特征，将笔画和注音特征相融合，综合了词语尤其是中文词语的特有特征进行词向量的训练优化。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.043 seconds)
