-
公开(公告)号：CN117312847A
公开(公告)日：2023-12-29
申请号：CN202311146762.8
申请日：2023-09-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质和电子设备，所述方法包括：针对各训练样本，确定该训练样本中指定类型的数据为指定数据，并将指定数据输入待训练的风险识别模型的第一编码层，确定该训练样本的第一特征。将该训练样本中所有类型的数据输入待训练的风险识别模型的第二编码层，确定该训练样本的第二特征。以该训练样本的第一特征与该训练样本的第二特征之间的距离最小和该训练样本的第一特征与除该训练样本外的其他训练样本的第二特征之间的距离最大为目标，至少对待训练的风险识别模型中第二编码层的模型参数进行调整。通过第一特征指导第二编码层对训练样本进行特征提取，更好地表征用户存在的风险，提高识别结果准确性。
-
公开(公告)号：CN111461223B
公开(公告)日：2023-04-07
申请号：CN202010251816.7
申请日：2020-04-01
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异常交易识别模型的训练方法及异常交易识别方法。在一种实施例中，一种异常交易识别模型的训练方法包括：首先，获取多个第一交易信息；其中，第一交易信息为第一交易的第一目标信息，第一交易包括成功历史交易和失败历史交易；然后，将每个第一交易信息输入预设异常交易识别模型，得到每个第一交易信息的第一预测值；其中，预设异常交易识别模型根据多个有标记的第二交易信息生成，第二交易信息为第二交易的第一目标信息，第二交易包括成功历史交易；最后，利用多个第一交易信息和每个第一交易信息的第一预测值训练目标识别模型，得到目标异常交易识别模型。
-
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。
-
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：CN117992787A
公开(公告)日：2024-05-07
申请号：CN202410139381.5
申请日：2024-01-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N20/00 , G06F11/34 , G06F11/30
Abstract: 本说明书公开了一种模型训练的方法、任务执行的方法及装置。该模型训练的方法包括：获取行为序列数据，并将获取到的行为序列数据中包含的各行为事件的事件数据转换为文本数据，得到行为序列数据对应的行为文本数据，进而将得到的行为文本数据输入到待训练的识别模型中，以使得待训练的识别模型根据输入的行为文本数据，输出针对行为序列数据的识别结果，作为待验证结果，最后，以最小化识别模型输出的待验证结果与行为序列数据对应的实际识别结果之间的偏差为优化目标，对待训练的识别模型进行训练。
-
Patent Agency Ranking
公开(公告)号：CN117933361A
公开(公告)日：2024-04-26
申请号：CN202410137262.6
申请日：2024-01-31
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公开了一种多任务模型训练的方法、装置及电子设备。所述方法包括：获取已训练的至少包括问答任务分支的多任务模型；在接收到对问答任务分支的输出数据进行检测的指令的情况下，在多任务模型中增加检测任务分支，并获取训练语料集；将训练文本输入所述多任务模型，在所述多任务模型中各个神经网络层生成数据并传递给下一神经网络层时，将所述问答任务分支的第一分支参数对应的数据进行掩盖，以得到所述检测任务分支输出的所述训练文本对应的预测结果；根据所述训练文本对应的标签和预测结果，对所述检测任务分支的第二分支参数进行调整，以得到训练后的多任务模型，所述第二分支参数为对所述基础参数进行调整的参数。
-
公开(公告)号：CN114692892B
公开(公告)日：2023-08-29
申请号：CN202210285951.2
申请日：2022-03-23
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例描述了对数值特征进行处理的方法、模型训练方法和装置。根据实施例的方法，考虑对数值特征进行二进制编码，然后根据得到的二进制数值特征中的值可以确定出特征矩阵。如此实现了对数值特征可能值都进行了编码，能够降低特征信息损失的可能。进一步，对得到的特征矩阵进行数据域覆盖，能够使得利用该数值特征训练得到的模型在预测应用时，对未参与模型训练的数值输入值也能具有较好的输出。
-
公开(公告)号：CN115983862A
公开(公告)日：2023-04-18
申请号：CN202211706274.3
申请日：2022-12-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , 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：获取应用于可信场景中的风险防控模型的资源损失目标函数和群体可信分数约束函数；基于所述资源损失目标函数和相应的第一权重，以及所述群体可信分数约束函数和相应的第二权重，构建相应的优化函数；基于构建的优化函数、所述资源损失目标函数和所述群体可信分数约束函数，确定所述资源损失目标函数和所述群体可信分数约束函数对应的优化目标信息；基于确定的优化目标信息，并通过训练样本对应用于可信场景中的风险防控模型进行模型训练，得到训练后的风险防控模型。
-
公开(公告)号：CN115545124A
公开(公告)日：2022-12-30
申请号：CN202211507937.9
申请日：2022-11-29
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样本不平衡场景下的样本增量、模型训练方法及装置。其中，用户样本集包括高风险用户样本和低风险用户样本及其类别标签，高风险用户样本属于小样本。在该方法中，从用户样本集中按照不偏向高风险用户样本的方式确定观测用户样本，从用户样本集中按照偏向高风险用户样本的方式对样本抽样，得到抽样用户样本；基于风控场景中高风险用户数量小于低风险用户数量的风险用户特点，确定第一数量占比，以第一数量占比为平均值确定符合风险用户特点的第一概率分布，按照第一概率分布确定属于观测用户样本的第一因子。这样，基于第一因子、观测用户样本与抽样用户样本及其相应的样本标签，确定插值用户样本以及对应的插值标签。
-
公开(公告)号：CN114462502A
公开(公告)日：2022-05-10
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
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。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.031 seconds)
