-
公开(公告)号：CN116403034A
公开(公告)日：2023-07-07
申请号：CN202310333647.5
申请日：2023-03-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06Q40/04 , G06Q10/0635
Abstract: 在本说明书提供的图数据模型训练的方法中，根据历史业务记录确定训练样本，通过图数据模型确定训练样本的风险评估值，当训练样本为无标签样本时，根据各无标签样本的风险评估值确定分布；并根据有标签样本的标签，确定所述分布中与所述标签相匹配的区间，以各有标签样本的风险评估值落入与所述标签相匹配的区间为目标，训练所述待训练的图数据模型。从上述方法可以看出，通过利用无标签样本的风险评估值确定分布，再确定有标签样本的风险评估值与所述评估分布的差异，根据所述差异确定损失，利用所述损失训练图数据模型，实现了利用小样本训练图神经网络模型。
-
公开(公告)号：CN115545938A
公开(公告)日：2022-12-30
申请号：CN202211508342.5
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06N3/08 , G06N3/04 , G06F16/901
Abstract: 本说明书公开了一种执行风险识别业务的方法、装置、存储介质及设备，通过将历史全图数据拆为各子图数据，通过训练后的解释模型确定各子图数据中主体的权重，根据各子图数据中主体的权重确定历史全图数据中主体的权重，作为历史全图数据的标注，根据历史全图数据及历史全图数据的标注训练预降噪模型。当确定满足更新条件时确定当前全图数据，将当前全图数据输入训练后的预降噪模型，得到当前全图数据中各主体的权重，根据得到的权重，裁剪当前全图数据中的主体得到可信图。可在执行业务前基于预降噪模型输出的权重对当前全图数据进行裁剪，得到降噪后的可信图，接收到携带业务数据的风控业务请求时则可根据可信图确定业务数据对应的风险识别结果。
-
公开(公告)号：CN115293025A
公开(公告)日：2022-11-04
申请号：CN202210788679.X
申请日：2022-07-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种图数据的处理方法及对应装置。其中方法包括：获取利用用户的网络行为数据构建的图数据，图数据包括节点的数据和边的数据，节点包括行为主体和行为对象，边依据行为主体和行为对象之间的行为关系确定；获取风险识别模型的权重参数矩阵和图数据对应的节点特征矩阵，利用权重参数矩阵和节点特征矩阵确定线性化后的特征矩阵；利用线性化后的特征矩阵，确定图数据中的各节点对产生攻击扰动的重要度；依据重要度从图数据中的各节点中选择锚节点；在图数据中删除目标节点与锚节点相连的边，得到去噪后的图数据。通过本申请能够有效降低风险识别模型受对抗攻击的影响，从而提高风险识别模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119357252A
公开(公告)日：2025-01-24
申请号：CN202411381094.1
申请日：2024-09-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/23 , G06F16/901 , G06F18/22 , G06F18/214 , G06F18/213 , G06F18/2431 , G06N3/0455 , G06N3/042 , G06N3/049 , G06N3/084 , G06Q10/0635 , G06F123/02
Abstract: 本说明书公开了一种时序图数据风控方法、装置、介质及设备，响应于用户的风控请求，确定当前时刻的时序图数据以及时序图数据中的待风控用户的目标节点，时序图数据的节点是基于用户数据确定的，边是基于用户之间关系确定的，且节点与边携带有数据更新的时间信息。从时序图数据中确定目标节点的子图。将携带时间信息的子图输入训练完成的风控模型，通过风控模型中的时间编码器，得到时间特征，通过风控模型中的图数据编码器，得到图数据特征。将时间特征与图数据特征输入风控模型中的解码器，得到目标节点的风险分类结果，以及目标节点与时序图数据中各节点的连接关系的预测结果。根据风险分类结果以及预测结果，对待风控用户进行风控。
-
公开(公告)号：CN119005331A
公开(公告)日：2024-11-22
申请号：CN202411034282.7
申请日：2024-07-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N20/00 , G06F16/332
Abstract: 本说明书公开了一种文本自检模型的微调方法、装置、存储介质、设备，获取原始文本自检模型中指定网络层的初始参数，针对所获取的每个指定网络层，对该指定网络层的初始参数进行降维，根据降维后的各指定网络层与所述原始文本自检模型，得到降维文本自检模型，将样本答复文本输入所述降维文本自检模型，得到所述降维文本自检模型输出的安全性评价，根据所述安全性评价与所述样本答复文本所对应的安全标签的差异，对所述降维文本自检模型进行调整，本方法可以降低文本自检模型微调过程对存储空间的需求，并降低进行微调时计算过程中的模型复杂度。
-
公开(公告)号：CN118708629A
公开(公告)日：2024-09-27
申请号：CN202410711816.9
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/906 , G06F16/9535 , G06Q30/0601 , G06Q40/04 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本说明书实施例公开了一种信息提取方法、装置及电子设备。所述信息提取方法包括：获取由节点和边所构成的目标异质图；将所述目标异质图输入用于提取风险信息的信息提取模型的分解模块，得到包含所述目标异质图的中心节点和目标节点的多个子图，同一所述子图的目标节点的类型相同，所述分解模块用于对输入的异质图进行分解处理；将各个所述子图分别输入所述信息提取模型中与所述子图对应的表征模块，得到各个所述子图的中心节点的属性表征；使用所述信息提取模型的融合模块对各个所述子图的中心节点的属性表征进行融合处理，得到所述目标异质图的中心节点的属性表征，以基于所述目标异质图的中心节点的属性表征执行相应的业务处理。
-
公开(公告)号：CN113987280B
公开(公告)日：2024-07-12
申请号：CN202111256452.2
申请日：2021-10-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N20/00
Abstract: 本说明书实施例提供一种针对动态图训练图模型的方法及装置，首先获取第一实体对应第一时间点的第一表达向量和第二时间点的第二表达向量，然后通过第一时间表征模型确定第一时间差对应的第一时间表征向量，接着，基于第一时间表征向量确定第一表达向量和第二表达向量之间的f‑信息，进一步以f‑信息最大化为目标确定模型损失，并向着模型损失减小的方向调整图模型及第一时间表征模型中的各个待定参数。这种方式可以提高模型的灵活性和有效性。
-
公开(公告)号：CN117933343A
公开(公告)日：2024-04-26
申请号：CN202410077897.1
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种图数据处理以及模型训练的方法及装置，其中，图数据处理方法获取目标图数据；所述目标图数据中包括多个用户节点和各个用户节点各自对应的特征数据；任一用户节点对应的特征数据包括该用户节点表示的用户的用户特征；生成所述目标图数据对应的目标序列；所述目标序列包括目标数目个序列元素，所述序列元素包括所述多个节点的部分特征数据；将所述目标序列输入至目标图神经网络，利用目标脉冲神经网络对所述目标图神经网络输出的结果进行二值化处理，得到目标脉冲数据。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.029 seconds)
