-
公开(公告)号：CN116932718A
公开(公告)日：2023-10-24
申请号：CN202310871334.5
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/36 , G06F18/22 , G06N3/04 , G06N3/088
Abstract: 本说明书一个或多个实施例公开了一种问题生成模型的训练方法，该方法首先获取历史复杂问题及其对应的答案，以及与历史复杂问题对应的历史文档型知识库，且该历史文档型知识库中至少包括一个与历史复杂问题相关的历史文档；然后从历史文档中提取与历史复杂问题相关的实体词，基于实体词构建简单问题，并基于简单问题和历史复杂问题确定多个历史知识点；最后基于历史文档和多个历史知识点，通过预设的损失函数对问题生成模型进行训练，得到训练后的问题生成模型，其中，该问题生成模型用于生成历史文档对应的历史复杂问题。
-
公开(公告)号：CN115423485B
公开(公告)日：2023-03-21
申请号：CN202211369675.4
申请日：2022-11-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06Q30/012 , G06Q40/03 , G06F40/284 , G06F40/289 , G06F40/30
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：获取待检测的目标数据，并获取所述目标数据与每个候选用户意图对应的目标概率，所述目标数据包括人机交互过程中用户的输入数据；对所述目标数据进行划分，得到多个子数据，并基于预设梯度积分算法，获取每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度；基于所述目标数据与每个候选用户意图对应的目标概率，以及所述每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度，确定所述目标数据对应的目标用户意图。
-
公开(公告)号：CN115577257A
公开(公告)日：2023-01-06
申请号：CN202211013255.2
申请日：2022-08-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2431 , G06N3/04 , G06N3/08
Abstract: 本公开涉及一种用于确定数值型表格数据的类别的方法和系统。该系统可包括：数据预处理模块，所述数据预处理模块被配置成对所述数值型表格数据进行离散化分箱以将其转换成经离散的特征向量；以及对所述数值型表格数据进行分位点数据分布转换，以将其转换成所需数据分布；神经网络，所述神经网络包括用于对经分箱处理所得到的特征向量进行嵌入处理的嵌入层；用于对经分位点数据分布转换处理的数值型表格数据进行处理的第一DNN层；乘法器，所述乘法器将嵌入层和第一DNN层的输出相乘；以及第二DNN层，所述第二DNN层使用乘法器的输出作为输入；以及输出模块，所述输出模块被配置成使用Sigmod激活函数对第二DNN层的输出进行处理以获得数值型表格数据的类别。
-
Patent Agency Ranking
公开(公告)号：CN115423485A
公开(公告)日：2022-12-02
申请号：CN202211369675.4
申请日：2022-11-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06Q30/00 , G06Q40/02 , G06F40/284 , G06F40/289 , G06F40/30
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：获取待检测的目标数据，并获取所述目标数据与每个候选用户意图对应的目标概率，所述目标数据包括人机交互过程中用户的输入数据；对所述目标数据进行划分，得到多个子数据，并基于预设梯度积分算法，获取每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度；基于所述目标数据与每个候选用户意图对应的目标概率，以及所述每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度，确定所述目标数据对应的目标用户意图。
-
公开(公告)号：CN115033676A
公开(公告)日：2022-09-09
申请号：CN202210713723.0
申请日：2022-06-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06K9/62 , G06Q10/06
Abstract: 本说明书公开了一种意图识别模型训练及用户意图识别方法及装置，先确定包含多轮对话的历史对话数据作为训练样本，通过第一意图识别模型确定每个训练样本各轮对话的用户意图，并基于用户执行的与该训练样本对应的业务确定反馈意图，然后根据该训练样本的用户意图以及反馈意图确定第一风险识别结果，并通过第二意图识别模型确定该训练样本的各预测意图以及第二风险识别结果，最后以各训练样本第一风险识别结果与第二风险识别结果之间的差异最小为优化目标对第二意图识别模型进行训练。通过结合反馈意图以及由第一意图识别模型确定的用户意图，得到准确的风险识别结果，以对第二意图识别模型进行训练，提高了第二意图识别模型的风险识别能力。
-
公开(公告)号：CN113807867A
公开(公告)日：2021-12-17
申请号：CN202111062580.3
申请日：2021-09-10
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测试处理方法、装置、设备及系统，其中方法包括：确定预先构建的多个虚拟欺诈情境中与待测用户相匹配的目标虚拟欺诈情境；根据获取的目标虚拟欺诈情境的情境构建数据，进行目标虚拟欺诈情境的展示处理；获取待测用户在目标虚拟欺诈情境中的操作行为所对应的行为数据；根据获取的行为数据生成待测用户的测试结果。
-
公开(公告)号：CN111738534B
公开(公告)日：2020-12-04
申请号：CN202010851731.2
申请日：2020-08-21
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多任务预测模型的训练、事件类型的预测方法及装置，在训练方法中，获取初始样本集。对于任意的第一样本，在前i‑1棵决策树中，获取包括第一样本的各叶子节点各自的N个分数。基于各叶子节点各自的N个分数以及第一样本的N个标签值，确定若干梯度，并执行第一融合，得到第一样本的融合梯度。对于第i棵决策树的当前节点，获取分割到当前节点的样本集中各样本的融合梯度。基于当前样本集中各样本的融合梯度，从各样本特征以及当前样本集中各样本对应于各样本特征的特征值中，分别确定出当前节点的分裂特征和特征阈值。基于当前节点的分裂特征和特征阈值，对当前样本集进行分割，生成当前节点对应的子节点，直至到达叶子节点。
-
公开(公告)号：CN111738534A
公开(公告)日：2020-10-02
申请号：CN202010851731.2
申请日：2020-08-21
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多任务预测模型的训练、事件类型的预测方法及装置，在训练方法中，获取初始样本集。对于任意的第一样本，在前i-1棵决策树中，获取包括第一样本的各叶子节点各自的N个分数。基于各叶子节点各自的N个分数以及第一样本的N个标签值，确定若干梯度，并执行第一融合，得到第一样本的融合梯度。对于第i棵决策树的当前节点，获取分割到当前节点的样本集中各样本的融合梯度。基于当前样本集中各样本的融合梯度，从各样本特征以及当前样本集中各样本对应于各样本特征的特征值中，分别确定出当前节点的分裂特征和特征阈值。基于当前节点的分裂特征和特征阈值，对当前样本集进行分割，生成当前节点对应的子节点，直至到达叶子节点。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.032 seconds)
