-
公开(公告)号：CN113112289A
公开(公告)日：2021-07-13
申请号：CN202110313611.1
申请日：2021-03-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出一种商户信息更新方法及装置，应用于第三方支付平台，第三方支付平台对接若干商户，用于对商户的预测信息进行更新；方法包括：针对任一目标商户，获取该目标商户的真实静态数据，并基于所获取的真实静态数据，确定该目标商户的预测信息，将预测信息更新为该目标商户当前的预测信息；所述真实静态数据为用于表征商户经营内容且能够确保真实性的数据；针对目标商户，循环执行以下步骤：获取该目标商户完成上一次信息更新后的新增行为数据，并将新增行为数据与当前存储的所述目标商户的行为数据进行合并；利用合并后的行为数据以及所述真实静态数据，确定目标商户的预测信息，并将所确定的预测信息更新为该目标商户当前的预测信息。
-
公开(公告)号：CN112580085A
公开(公告)日：2021-03-30
申请号：CN202110196288.4
申请日：2021-02-22
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出一种模型训练方法及装置，应用于部署有可信执行环境的训练方，所述方法包括：获取来自至少两个数据提供方的加密数据；在可信执行环境中执行以下步骤：对接收到的加密数据进行解密；针对任一数据提供方的训练任务，利用接收到的数据构建该训练任务的训练样本集；其中，所述至少两个数据提供方分别对应的训练任务之间具有相关性；在得到所述至少两个数据提供方分别对应的训练样本集后，针对所述至少两个数据提供方的训练任务，利用所得到的至少两个训练样本集进行多任务学习，以得到所述至少两个数据提供方分别对应的独有模型。
-
公开(公告)号：CN111898708A
公开(公告)日：2020-11-06
申请号：CN202011048856.8
申请日：2020-09-29
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迁移学习方法和电子设备。该方法包括：从源域的样本集合中获取第一样本集合和对应的标签；将所述第一样本集合通过特征空间变换，得到转换后的第二样本集合，其中，所述第二样本集合和所述目标域的样本集合的样本特征分布相似度大于第一预设相似度阈值，用于执行特征空间变换的变换矩阵由所述第一样本集合的统计特征矩阵和目标域的样本集合的统计特征矩阵确定；基于所述第二样本集合中的样本和对应的标签，对所述目标域的目标分类器进行训练。
-
公开(公告)号：CN111652622A
公开(公告)日：2020-09-11
申请号：CN202010454581.1
申请日：2020-05-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种风险网址的识别方法，装置及电子设备，该方法包括：获取待识别的目标网址；爬取所述目标网址对应的文本信息和图像信息；通过多模态表示学习获取所述文本信息与所述图像信息之间的共同表征；通过机器学习算法对所述共同表征进行分类，确认所述目标网址是否为风险网址。在上述技术方案中，通过获取目标网址对应的文本信息和图像信息进行多模态表示学习获得两者之间的共同表征，排除无效信息和干扰信息，基于其共同表征进行风险网址识别，提升了风险网址识别的准确率。
-
公开(公告)号：CN111563551A
公开(公告)日：2020-08-21
申请号：CN202010371018.8
申请日：2020-04-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例提供一种多模态信息融合方法、装置及电子设备。所述方法包括：获取目标对象所对应的原始数据，所述原始数据中至少包含第一模态信息和第二模态信息；对所述第一模态信息和第二模态信息分别进行表征处理，得到各模态信息所对应的初始特征向量；将所述初始特征向量作为输入，利用预定的由多个模态融合层所组成的多模态融合层结构对所述初始特征向量执行融合操作得到目标特征向量，以便完成对所述第一模态信息和第二模态信息的融合；其中，每个所述模态融合层中均采用注意力机制根据预设的目标标签为输入的特征向量或融合后的向量分配不同的权重。
-
Patent Agency Ranking
公开(公告)号：CN111160572B
公开(公告)日：2020-07-17
申请号：CN202010251416.6
申请日：2020-04-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书实施例提供一种基于多标签的联邦学习方法、装置和系统，该方法包括：多个机构在进行联邦学习时，可信执行环境可以获取由多个机构提供的多个标签数据组，任一标签数据组中包括多个用户的原始标签，所述多个用户中至少存在一个用户在所述多个标签数据组中的多个原始标签不一致；在获取到多个标签数据组后，利用预设的弱监督学习算法对所述多个标签数据组进行学习训练，得到统一的目标标签数据组，目标标签数据组中包括所述多个用户的目标标签；将所述目标标签数据组发送给所述多个机构，以便由所述多个机构基于所述目标标签数据组进行联邦学习。
-
公开(公告)号：CN111078880A
公开(公告)日：2020-04-28
申请号：CN201911272849.3
申请日：2019-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F40/289 , G06Q10/06 , G06Q40/04
Abstract: 本说明书提供子应用的风险识别方法以及装置，其中所述子应用的风险识别方法，应用于第三方应用，包括：获取搭载于第三方应用并依赖所述第三方应用运行的子应用的属性数据；通过对所述属性数据进行预处理，获得各个风险识别维度的风险识别数据；将所述各个风险识别维度的风险识别数据分别输入至所述各个风险识别维度对应的风险识别模型，对所述子应用在所述各个风险识别维度进行风险识别，获得所述各个风险识别模型输出的所述各个风险识别维度的风险评分；根据所述各个风险识别维度的风险评分计算所述子应用的风险总评分，并基于所述风险总评分确定所述子应用的风险识别结果。
-
公开(公告)号：CN111047423A
公开(公告)日：2020-04-21
申请号：CN201911061019.6
申请日：2019-11-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/02
Abstract: 本说明书的一个或多个实施例涉及一种风险确定方法、装置及电子设备，该方法包括：获取多个场景样本特征以及多个用户样本特征；将多个场景样本特征及所述多个用户样本特征输入多任务学习算法，训练得到通用风险评估模型；获取目标业务场景的目标场景特征及目标用户特征，并将目标场景特征及目标用户特征作为通用风险评估模型的输入，训练得到目标风险评估模型；获取目标业务场景中的待评估用户操作；基于目标风险评估模型输出待评估用户操作的风险确定结果。
-
公开(公告)号：CN110990857A
公开(公告)日：2020-04-10
申请号：CN201911269227.5
申请日：2019-12-11
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保护隐私安全的多方联合进行特征评估的方法和装置。该多方至少包括存储有第一样本集的第一设备和存储有第二样本集的第二设备，该方法应用于第一设备；该方法包括：对第一样本集中各样本的初始ID进行加密，并将得到的第一样本集的第一次加密ID和标签发送给第二设备；从第二设备接收第二样本集的第一次加密ID和所在分箱的标识，以及第一样本集的第二次加密ID和标签；对第二样本集的第一次加密ID进行加密，得到第二样本集的第二次加密ID；根据第二样本集的第二次加密ID和第一样本集的第二加密ID确定共有样本；根据共有样本的标签、所在分箱的标识计算特征的信息价值，以针对机器学习模型进行特征选择。
-
公开(公告)号：CN110796522A
公开(公告)日：2020-02-14
申请号：CN201911055514.6
申请日：2019-10-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/06
Abstract: 本说明书实施例提供商户匹配POI的方法、认证的方法以及各自的装置，其中所述商户匹配POI的方法包括：获取商户的交易定位数据；利用所述交易定位数据，计算所述商户的定位点对应的Geohash；获取与所述定位点对应的Geohash相邻的Geohash；根据地理信息系统中的POI点对应的Geohash，以所述定位点对应的Geohash及与所述定位点对应的Geohash相邻的Geohash作为搜索范围，从地理信息系统中，搜索出与所述定位点匹配的POI点。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.028 seconds)
