-
公开(公告)号：CN116150622B
公开(公告)日：2023-08-11
申请号：CN202310183952.0
申请日：2023-02-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N20/00 , G06F21/62
Abstract: 本说明书公开了一种模型训练方法、装置、存储介质及电子设备。确定当前迭代过程对应的噪声值，以及基于每个训练样本分别确定出的调整模型参数的梯度，根据各梯度以及预设的第一超参数，分别确定各梯度权重，根据各梯度以及各梯度权重，确定各自适应梯度，基于训练样本确定出的梯度越大则自适应梯度与预设的梯度期望值的差越小，根据噪声值对各各自适应梯度之和加噪，以得到当前迭代过程的批次平均梯度，最后根据批次平均梯度，调整所述待训练模型的参数。可以减少小梯度样本对模型参数影响程度，使得模型训练效果更好，基于训练得到的模型执行业务的结果更准确。
-
公开(公告)号：CN116562931A
公开(公告)日：2023-08-08
申请号：CN202310535509.5
申请日：2020-10-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0207 , G06N20/00 , G06Q20/40
Abstract: 本说明书提供一种消费券交易数据处理方法、装置、设备及存储介质，通过获取发送消费券领取请求的账户的用户设备信息、用户历史交易信息，基于用户设备信息对发起消费券领取请求的设备进行位置篡改识别，并基于用户历史交易信息对用户的领券意图进行识别，基于位置篡改识别的结果和领券意图识别结果，确定消费券领取请求是否存在风险，以确定是否发放消费券。可以实现对真实用户进行消费券作弊恶意交易的行为进行准确的风险识别，消费券发放可以确保用户身份真实可靠的基础上，确定消费券发送的公平性，比如抢券的用户确实是本人在活动规定区域操作，用户的抢券意图有真实消费的可能，以提高消费券交易风险识别的准确性，确保消费券交易的安全性。
-
公开(公告)号：CN111652622B
公开(公告)日：2023-08-01
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：CN115600157B
公开(公告)日：2023-05-16
申请号：CN202211508343.X
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25
Abstract: 本说明书公开了一种数据处理的方法、装置、存储介质及电子设备。该数据处理的方法包括：获取待处理数据，其中，所述待处理数据中包含有至少一种类型的数据，针对所述待处理数据中包含的每种类型的数据，确定该类型的数据对应的数据特征，并按照预设的特征尺度，从所述数据特征中提取出各子特征，作为该类型的子特征，针对每个子特征，通过预设的识别模型识别该子特征得到的识别结果，将识别结果之间满足预设关联程度的不同类型的子特征进行融合，得到各融合子特征，根据各融合子特征，对所述待处理数据进行处理。
-
公开(公告)号：CN115545572B
公开(公告)日：2023-03-21
申请号：CN202211508347.8
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种业务风控的方法、装置、设备及存储介质，可以通过双塔模型的第一特征提取子网，提取出用户的业务数据的第一特征，从而可以从通过双塔模型的第二特征提取子网提取出的各历史业务数据的第二特征中，匹配出参考特征，进而可以根据参考特征对应的历史业务数据的风控结果对用户的业务进行风控。
-
Patent Agency Ranking
公开(公告)号：CN115600157A
公开(公告)日：2023-01-13
申请号：CN202211508343.X
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司(CN)
IPC: G06F18/25
Abstract: 本说明书公开了一种数据处理的方法、装置、存储介质及电子设备。该数据处理的方法包括：获取待处理数据，其中，所述待处理数据中包含有至少一种类型的数据，针对所述待处理数据中包含的每种类型的数据，确定该类型的数据对应的数据特征，并按照预设的特征尺度，从所述数据特征中提取出各子特征，作为该类型的子特征，针对每个子特征，通过预设的识别模型识别该子特征得到的识别结果，将识别结果之间满足预设关联程度的不同类型的子特征进行融合，得到各融合子特征，根据各融合子特征，对所述待处理数据进行处理。
-
公开(公告)号：CN115565522A
公开(公告)日：2023-01-03
申请号：CN202211507938.3
申请日：2022-11-29
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训练语种识别模型、语种识别的方法及装置，语种识别模型包括：提取网络、聚合网络和分类网络，提取网络包括串行设置的预设数量个包括自注意力子层和卷积子层的特征提取层，该方法包括，获得目标语音片段对应的语音特征，目标语音片段具有语种标签；利用预设数量个特征提取层，对语音特征进行预设数量次特征提取，得到帧级别特征向量；特征提取包括，利用自注意力子层进行基于自注意力的特征处理和利用卷积子层进行卷积处理；利用聚合网络，基于自注意力机制和统计机制对帧级别特征向量进行聚合，得到聚合特征向量；利用分类网络处理聚合特征向量，确定目标语音片段的预测语种；根据预测语种和语种标签，更新语种识别模型。
-
公开(公告)号：CN115545172A
公开(公告)日：2022-12-30
申请号：CN202211507949.1
申请日：2022-11-29
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兼顾隐私保护和公平性的图神经网络的训练方法及装置，该方法包括：利用图神经网络，对用户关系网络图中N个目标用户对应的节点进行表征聚合，得到N个目标用户的用户表征；至少基于各目标用户的用户表征，采用与目标业务相关的预设损失函数，确定各目标用户对应的预测损失；根据各预测损失，确定各目标用户对应的权重值，使得预测损失越大，所对应目标用户的权重值越大；基于各目标用户的预测损失和权重值，确定总预测损失；以最小化总预测损失为目标，调整图神经网络的参数。
-
公开(公告)号：CN115238826B
公开(公告)日：2022-12-27
申请号：CN202211121861.6
申请日：2022-09-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，首先获取样本业务数据以及隐私数据，将获取到的样本业务数据以及隐私数据输入到待训练的参照模型中，得到第一预测结果，以及，将样本业务数据输入到待训练的预测模型中，得到第二预测结果，以最小化第一预测结果与第二预测结果之间的偏差，以及最小化第一预测结果与样本业务数据对应的标签数据之间的偏差为优化目标，对参照模型以及预测模型进行联合训练，其中，训练后的预测模型应用于业务执行。
-
公开(公告)号：CN115238827B
公开(公告)日：2022-11-25
申请号：CN202211125687.2
申请日：2022-09-16
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保护隐私的样本检测系统训练方法及装置，样本检测系统包括表征模型、生成器和分类模型。该方法包括：利用将k个采样噪声分别输入生成器而得到的k个模拟表征，对表征模型输出的隐私样本表征进行表征混淆处理，得到混淆表征；利用白样本标签对隐私样本标签进行标签混淆处理，得到混淆标签；基于混淆表征和分类模型，得到分类预测结果；将k个模拟表征分别输入判别器，得到k个第一判别结果；以减小分类预测结果和混淆标签之间的差异，以及增大k个第一判别结果指示对应表征为真实表征的概率为目标，训练异常检测系统；基于判别器针对表征模型输出的公开白样本表征的第二判别结果和上述k个第一判别结果，训练判别器。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.036 seconds)
