-
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：CN115688130B
公开(公告)日：2023-10-20
申请号：CN202211267903.7
申请日：2022-10-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/60 , G06F21/55 , G06N3/0464 , G06N3/08
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：获取待检测的目标业务的业务数据，并基于第一风险检测模型和所述业务数据，确定所述业务数据的风险类型，所述第一风险检测模型为基于深度学习算法构建的用于确定业务数据的风险类型的模型；基于扰动数据和所述业务数据的风险类型，对所述业务数据进行攻击，并在对所述业务数据攻击成功的情况下，获取对所述业务数据攻击成功所使用的扰动数据的目标数据量；在所述目标数据量大于预设数据量阈值的情况下，基于所述业务数据的风险类型，确定执行所述目标业务是否存在风险。
-
公开(公告)号：CN116720589A
公开(公告)日：2023-09-08
申请号：CN202310615238.4
申请日：2023-05-29
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处理方法、装置及设备，该方法包括：构建针对目标业务的语义树，基于语义树构建目标业务对应的业务图谱，业务图谱由节点和边构成；获取目标业务中产生的历史业务数据，基于历史业务数据，确定历史业务数据对应的第一业务子图，并基于第一业务子图，通过预设的数据增强规则生成第二业务子图，第一业务子图和第二业务子图是分别包含于业务图谱中的子图谱；基于目标业务对应的业务图谱，使用第一业务子图和第二业务子图，并通过基于第一业务子图和第二业务子图中的每个业务子图分别与每个业务子图进行对比的对比学习方式对图结构模型进行模型训练，得到训练后的图结构模型。
-
公开(公告)号：CN116720010A
公开(公告)日：2023-09-08
申请号：CN202310609426.6
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种推荐乘车补登站点的方法及装置和电子设备。所述方法包括：在当前乘车渠道响应于用户的进站请求发现该用户需要补登上一次出站站点时，查询当前乘车渠道内存储的该用户上一次乘车记录的用户乘车数据；基于多方安全排序算法，按照时间顺序对存储在其它乘车渠道内该用户上一次乘车记录的用户乘车数据和当前乘车渠道内的用户乘车数据进行排序；其中，多方安全排序算法用于在其它乘车渠道不发送存储的用户乘车数据的情况下，确定当前乘车渠道和其它乘车渠道的用户乘车数据之间的排序结果；根据排序结果中每个用户乘车数据对应的站点名称，向用户推荐补登站点。由于多方安全排序过程中用户乘车数据不出域，从而保护了用户的隐私。
-
公开(公告)号：CN116128072B
公开(公告)日：2023-08-25
申请号：CN202310122752.4
申请日：2023-01-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06V10/774 , G06F18/214
Abstract: 本说明书公开了一种风险控制模型的训练方法、装置、设备及存储介质，针对该风险控制模型的每个模型参数，确定该模型参数在本次迭代过程中的梯度，作为第一梯度，并确定该模型参数在上一次迭代过程中的梯度，作为第二梯度，根据第一梯度和该第二梯度确定该模型参数的步长参数，再根据预设的学习率、步长参数和第一梯度，确定该模型参数对应的参数调整量，以及根据参数调整量对该模型参数进行调整。本方法中的步长参数在第一梯度和第二梯度方向相同时对应的参数值高于第一梯度和第二梯度方向相反时对应的参数值，因而在模型参数出现震荡时，参数调整量会随之减小，避免了由于参数调整量过大导致模型参数出现持续震荡的情况出现，提高了训练效率。
-
Patent Agency Ranking
公开(公告)号：CN116629381A
公开(公告)日：2023-08-22
申请号：CN202310613933.7
申请日：2023-05-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种联邦迁移学习方法、装置、存储介质及电子设备。在本说明书提供的联邦迁移学习方法中，确定与第二参与方的共有样本对象，作为目标样本对象；将所述目标样本对象在所述第一参与方的第一数据输入待训练的第一提取子网，获得所述第一提取子网输出的待优化特征；将所述待优化特征发送给第三方服务器，以使所述第三方服务器确定所述待优化特征与标准特征之间的特征损失，其中，所述标准特征是所述第二参与方将所述目标样本对象在所述第二参与方的第二数据输入预先训练的第二提取子网得到并发送给所述第三方服务器的；接收所述第三方服务器返回的特征损失，并采用所述特征损失训练所述第一提取子网。
-
公开(公告)号：CN116628572A
公开(公告)日：2023-08-22
申请号：CN202310577209.3
申请日：2023-05-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/10 , G06Q40/04
Abstract: 本说明书实施例提供了一种风控场景中消除噪声样本的方法和装置。该方法包括：得到原始训练样本集；该原始训练样本集中包括扩充训练样本以及干净训练样本；将原始训练样本集中的一部分训练样本输入第一去噪模型中，另一部分训练样本输入第二去噪模型中；从输入一个去噪模型的各训练样本中确定出标签相对可靠的训练样本，并利用输入该标签相对可靠的训练样本时得到的该去噪模型的梯度信息更新另一个去噪模型的参数；最终得到的去噪模型对所述原始训练样本集中的训练样本进行分类，利用分类结果更新原始训练样本集中该训练样本的标签，从而得到消除噪声样本后的训练样本集。本说明书实施例能够更好地消除噪声样本。
-
公开(公告)号：CN116579777A
公开(公告)日：2023-08-11
申请号：CN202310582016.7
申请日：2023-05-22
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处理方法、装置及设备，该方法包括：获取应用于元学习的样本数据，该样本数据中包括对应事件的特征、样本标签信息、对应事件所属的业务场景和支撑集，支撑集中包括多个不同的事件类别，以及每个事件类别对应的支撑样本数据，然后，基于样本数据、支撑集中不同事件类别的支撑样本数据对应的注意力权重和不同事件类别包含的支撑样本数据的数量，确定不同事件类别对应的类别中心，最终，基于不同事件类别对应的类别中心、样本数据和预设的优化目标函数对风险识别模型进行模型训练，得到训练后的风险识别模型，优化目标函数基于经验风险最小化学习策略和样本数据对应的概率分布的分布鲁棒优化策略构建。
-
公开(公告)号：CN116486199A
公开(公告)日：2023-07-25
申请号：CN202310386130.2
申请日：2023-04-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/774 , G06V40/40 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本说明书实施例提供了一种图像检测模型的训练方法、图像检测方法及装置，其中训练方法包括：基于训练集对待训练GAN模型的生成器和判别器进行交替训练处理，得到训练后的GAN模型；若确定满足预设的验证条件，则将当前GAN模型的生成器所生成的多个第一虚假图像，依次输入当前GAN模型的判别器中进行图像检测处理，得到检测结果；根据检测结果确定当前GAN模型是否满足优化条件；若满足优化条件，则根据检测结果更新训练集，基于更新后的训练集进行交替训练处理；若不满足优化条件，则将当前GAN模型的判别器确定为目标图像检测模型。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.047 seconds)
