-
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：CN116028820A
公开(公告)日：2023-04-28
申请号：CN202310299829.5
申请日：2023-03-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06Q20/40
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，所述方法包括：先获取风控样本以及风控样本对应于各风险类型的原始标注，再根据风控样本对应于各风险类型的原始标注和预设的规则，确定风控样本的综合风险标注。之后，在训练待训练的风险识别模型时，若风险类型对应的梯度与综合梯度存在冲突，将风险类型对应的梯度与综合梯度不冲突的梯度分量重新作为风险类型对应的梯度，从而可以消除风险类型对应的梯度与综合梯度冲突的梯度分量。然后，根据各风险类型分别对应的梯度，确定出不存在冲突的待训练的风险识别模型的梯度来调整模型参数，减少了梯度冲突对模型训练的影响，使得训练得到的风险识别模型更准确。
-
公开(公告)号：CN115293238A
公开(公告)日：2022-11-04
申请号：CN202210793703.9
申请日：2022-07-07
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可信性判别的方法及系统。其中方法包括：获取表征模型分别利用第一主体和第二主体在时间t2之前预设时长内的行为特征得到的第一主体和第二主体的表征向量；针对所述第一主体确定与该第一主体的表征向量之间的距离满足预设第一条件的第二主体，并将确定出的各第二主体分别与第一主体构成候选关系对；对各候选关系对进行风险评分，选择风险评分满足预设第二条件的候选关系对作为可信关系对，所述可信关系对用以在时间t2+m对包含网络行为的流量进行可信性判别。本申请能够实现基于双主体的准确可信性判别。
-
Patent Agency Ranking
公开(公告)号：CN114897168A
公开(公告)日：2022-08-12
申请号：CN202210696228.3
申请日：2022-06-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开提供了一种风控模型的融合训练方法，包括：接收标签数据并提炼专家知识；将所述标签数据和所述专家知识分别进行多阶特征交叉以获取数据表征和规则表征；基于所述规则表征提纯所述数据表征；以及基于经提纯的数据表征训练并输出所述风控模型。
-
公开(公告)号：CN113988225B
公开(公告)日：2022-05-06
申请号：CN202111597741.9
申请日：2021-12-24
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建立表征提取模型、表征提取、类型识别的方法和装置。根据该实施例的方法，首先获取包含一个以上样本对的第一训练数据，样本对包括正样本对和负样本对；然后利用第一训练数据训练第一表征提取模型和第二表征提取模型，其中第一表征提取模型用以利用用户的终端侧特征提取用户的终端侧表征向量，第二表征提取模型用以利用用户的服务器侧特征提取用户的服务器侧表征向量；训练目标为最大化正样本对的终端侧表征向量与服务器侧表征向量之间的相似度且最小化负样本对的终端侧表征向量与服务器侧表征向量之间的相似度；再将训练得到的第一表征提取模型部署于终端设备。
-
公开(公告)号：CN113256300A
公开(公告)日：2021-08-13
申请号：CN202110582927.0
申请日：2021-05-27
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交易的处理方法及装置，该方法包括：接收第一用户的交易请求；其中，该交易请求指示第一用户与第二用户进行交易；获取与上述交易请求相关联的历史记录数据；根据该历史记录数据，采用机器学习模型预测上述交易是否为可信交易；其中，该交易被判定为可信交易的条件包括该交易不存在囤号风险；其中，上述历史记录数据包括以下数据中的至少一种：第一用户的历史点击行为序列数据、第一用户的交易关系数据、第二用户的交易关系数据，以及第一用户与第二用户之间的历史交易数据。
-
公开(公告)号：CN113222141A
公开(公告)日：2021-08-06
申请号：CN202110521834.7
申请日：2021-05-13
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监督训练方法、装置及设备，该方法包括：获取用于训练预设模型的样本数据，并对所述样本数据进行特征提取，得到每个所述样本数据对应的特征向量；使用预设的字典学习算法，并基于每个所述样本数据对应的特征向量、预设的字典矩阵和待确定的每个所述样本数据对应的类别构建的优化目标，对每个所述样本数据进行分类，得到每个所述样本数据对应的类别，所述字典矩阵由预设的用于构建样本数据类别的多个基向量构建；基于每个所述样本数据对应的特征向量和每个所述样本数据对应的类别对所述预设模型进行监督训练。
-
公开(公告)号：CN111476668A
公开(公告)日：2020-07-31
申请号：CN202010585710.0
申请日：2020-06-24
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可信关系的识别方法、装置、存储介质和计算机设备。该方法包括：获取用户的行为数据，行为数据包括目标主体的主体特征和多个对象主体的主体特征；根据目标主体的主体特征和多个对象主体的主体特征，利用预先训练的图神经网络模型，生成目标主体对应的第一节点嵌入向量和多个对象主体对应的第二节点嵌入向量；根据第一节点嵌入向量和各个第二节点嵌入向量，生成目标主体与各个对象主体之间的向量距离；判断多个向量距离是否均大于或等于设定阈值；若判断出多个向量距离中至少一个向量距离小于设定阈值，将小于设定阈值的向量距离对应的第一节点嵌入向量和第二节点嵌入向量，确定为可信关系对。
-
-
-
-
-
-
-
Search Results
68
records
(took 0.051 seconds)
