基于风险识别的模型训练方法、装置和电子设备

    公开(公告)号:CN111932041B

    公开(公告)日:2021-01-05

    申请号:CN202011069728.1

    申请日:2020-10-09

    Abstract: 本说明书实施例公开了一种基于风险识别的模型训练方法、装置及电子设备,具体方案包括:获取无样本标签的第一数据集,第一数据集包含预期具有第一类样本标签的样本数据,在该预期具有第一类样本标签的样本数据中掺杂有具有第二类样本标签的样本数据;对第一数据集预配置第一类样本标签,利用该第一数据集运行配置有第一模型参数的目标模型,生成预测值。利用损失函数判断预测值相比于第一数据集所反映的目标值的损失量,估算损失量对应的第一数据集的统计中心估值,将统计中心估值转换成统计中心期望值,利用损失量和损失量对应的统计中心期望值调整第一模型参数,直到损失量达到预设条件。

    一种可信子图的挖掘方法、装置以及设备

    公开(公告)号:CN111522866B

    公开(公告)日:2020-11-03

    申请号:CN202010631573.X

    申请日:2020-07-03

    Abstract: 本说明书实施例公开了一种可信子图的挖掘方法、装置以及设备。所述方法包括:基于目标点的业务行为和/或业务关系构边,获得待处理的图数据对应的子图;基于元可信召回策略遍历所述子图,获得备择子图;基于第一模型,对所述备择子图进行分类,获得所述备择子图的表征向量、所述备择子图的整体表征及所述备择子图的第一分值,其中,所述第一分值用于对所述备择子图进行子图分类,以表示所述备择子图是否可信;基于所述备择子图的表征向量、所述备择子图的整体表征,采用第二模型获得所述备择子图的第二分值,其中,所述第二分值表示所述备择子图的风险概率;基于所述第一分值和所述第二分值,对所述备择子图进行子图沉淀,获得可信子图。

    一种可信子图的挖掘方法、装置以及设备

    公开(公告)号:CN111522866A

    公开(公告)日:2020-08-11

    申请号:CN202010631573.X

    申请日:2020-07-03

    Abstract: 本说明书实施例公开了一种可信子图的挖掘方法、装置以及设备。所述方法包括:基于目标点的业务行为和/或业务关系构边,获得待处理的图数据对应的子图;基于元可信召回策略遍历所述子图,获得备择子图;基于第一模型,对所述备择子图进行分类,获得所述备择子图的表征向量、所述备择子图的整体表征及所述备择子图的第一分值,其中,所述第一分值用于对所述备择子图进行子图分类,以表示所述备择子图是否可信;基于所述备择子图的表征向量、所述备择子图的整体表征,采用第二模型获得所述备择子图的第二分值,其中,所述第二分值表示所述备择子图的风险概率;基于所述第一分值和所述第二分值,对所述备择子图进行子图沉淀,获得可信子图。

    一种模型的处理方法、装置及设备

    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

    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。

    一种核身推荐模型训练方法及装置

    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

    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。

    一种基于隐私保护的模型训练方法及装置

    公开(公告)号:CN114357517A

    公开(公告)日:2022-04-15

    申请号:CN202111683309.1

    申请日:2021-12-30

    Abstract: 本说明书实施例提供一种基于隐私保护的模型训练方法及装置,获得用于训练目标业务模型的初始事件序列集合;针对所述初始事件序列集合中的各初始事件序列,根据第一增强策略的策略信息,基于预设的用于进行数据扰动修改的多个数据增强单元,对该初始事件序列进行第一数目的数据增强操作,得到对应的增强事件序列,其中,一次数据增强操作利用一个数据增强单元执行;策略信息至少指示所述第一数目;利用各增强事件序列形成的第一增强序列集合进行模型训练,得到隐私保护的第一业务模型。

    多方联合训练图神经网络的方法、装置及系统

    公开(公告)号:CN114091651A

    公开(公告)日:2022-02-25

    申请号:CN202111297665.X

    申请日:2021-11-03

    Abstract: 本说明书实施例提供一种保护隐私数据的多方联合训练图神经网络的方法、装置及系统,方法包括:第一方利用图神经网络的第一参数部分,处理样本对象的第一特征部分,得到第一处理结果;利用控制器的目标公钥,对第一处理结果进行同态加密,得到第一加密结果;从第二方接收第二加密结果;基于第一加密结果和第二加密结果,及预设的损失函数,通过同态运算得到第一梯度密文;在第一梯度密文上添加对第一噪声加密的第一噪声密文,得到第一加密加噪数据;将其发送至控制器;从控制器接收对第一加密加噪数据解密后的第一加躁数据,从其中去除第一噪声,得到第一梯度明文;根据第一梯度明文,更新第一参数部分。

Patent Agency Ranking