-
公开(公告)号:CN116342281A
公开(公告)日:2023-06-27
申请号:CN202310323458.X
申请日:2023-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06N3/047 , G06N3/08 , G06F18/241 , G06F18/2415 , G06F18/2431 , G06F18/214
Abstract: 本说明书实施例公开了一种交易事件的风险感知方法、装置及设备,该方法包括:获取预设时长内产生的交易事件的信息;基于每个所述交易事件的信息,确定每个所述交易事件对应的特征和每个所述交易事件对应的交易渠道信息;分别将每个所述交易事件对应的特征输入到预先训练的目标模型中,得到每个所述交易事件存在预设风险的概率,所述目标模型用于确定所述交易事件存在预设风险的可疑程度;基于每个所述交易事件存在预设风险的概率和每个所述交易事件对应的交易渠道信息,确定预设时长内产生的交易事件所属的交易渠道中每种所述交易渠道针对所述预设风险的风险表征信息和/或每种所述交易渠道的风险归因信息。
-
公开(公告)号:CN116304679A
公开(公告)日:2023-06-23
申请号:CN202310092535.5
申请日:2023-01-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2415
Abstract: 本说明书实施例提供了一种多标签模型训练方法及装置、介质、设备。方法包括:确定待训练的多标签模型的业务场景中的数据集,从所述数据集中选择出描述同一业务问题的多个数据标签;根据选择出的所述多个数据标签,定义对应的业务标签,并对定义的业务标签进行数值化假设,得到所述业务标签的多个假设数值;其中,所述多个数据标签为从多个角度描述所述业务标签的具体标签;利用所述多个标签数据为各个对应的用户行为数据进行标记;根据所述业务标签的多个假设数值和标记有数据标签的用户行为数据,进行所述多标签模型的训练。本说明书实施例可以大大降低模型训练的工作量。
-
公开(公告)号:CN112559640B
公开(公告)日:2023-06-06
申请号:CN202011409591.X
申请日:2020-12-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/36 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本说明书实施例提供一种图谱表征系统的训练方法,该图谱表征系统包括图神经网络、多个节点级学习向量、多个中间级学习向量和多个图谱级学习向量。该方法包括:先获取第一训练样本,其中包含对应的两个关系图谱和相似度标签值,任一的第一关系图谱包括多个对象节点;接着,利用图神经网络对第一关系图谱进行图嵌入处理,得到多个对象节点嵌入向量;然后,基于该多个对象节点嵌入向量,依次利用节点相似记忆组件、节点‑图谱相似记忆组件和图谱相似记忆组件,提取不同尺度的信息,从而得到第一关系图谱的绝对化的图谱表征向量;再接着,计算对应两个关系图谱的两个图谱表征向量之间的相似度预测值,并结合相似度标签值,训练上述图谱表征系统。
-
-