公开(公告)号：CN112567407B

公开(公告)日：2024-09-20

申请号：CN201980050036.1

申请日：2019-06-21

Applicant: 微软技术许可有限责任公司

Inventor： 罗一 ,  李伟生 ,  S·S·阿卡亚 ,  M·森 ,  R·K·R·波鲁里 ,  C·鲁德尼克

IPC: G06Q10/10

Abstract: 电子邮件或其他通信利用类别标记(诸如“垃圾”或“良好”)而不使用机密或个人可标识信息(PII)而被标记。该类别标记基于该电子邮件的不包含PII的特征，诸如元数据。电子邮件特征与类别标记之间的推理关系的图被用于向电子邮件和电子邮件的特征指派标记。已标记电子邮件被用作用于训练机器学习模型(“MLM”)的训练数据集。MLM模型标识不想要的电子邮件，诸如垃圾、批量电子邮件、网络钓鱼电子邮件、和包含恶意软件的电子邮件。

公开(公告)号：CN117581221A

公开(公告)日：2024-02-20

申请号：CN202280046585.3

申请日：2022-05-23

Applicant: 微软技术许可有限责任公司

Inventor： M·塞瓦克 ,  R·K·R·波洛里 ,  W·布卢姆 ,  陈柏安 ,  李伟生 ,  S·S·阿查里雅 ,  C·鲁德尼克 ,  M·A·贝瑟 ,  M·德里尼克 ,  刘思翃

IPC: G06F16/33

Abstract: 在此描述的技术通过使用可能不是在请求的类上训练的生成模型来确定候选文本是否在该请求的类中。本技术可以使用主要在无监督模式下训练的模型，而不需要大量标签类的手动用户输入示例。可以从候选文本和标签产生语义丰富的标签文本的正例。同样，该技术可以从候选文本和标签产生语义丰富的标签文本的负例。标记服务利用生成模型来产生生成结果，该结果估计标签适当地应用于候选文本的可能性。在另一方面，该技术针对一种用于获得类似于候选文本的语义丰富示例的方法。

公开(公告)号：CN112567407A

公开(公告)日：2021-03-26

申请号：CN201980050036.1

申请日：2019-06-21

Applicant: 微软技术许可有限责任公司

Inventor： 罗一 ,  李伟生 ,  S·S·阿卡亚 ,  M·森 ,  R·K·R·波鲁里 ,  C·鲁德尼克

IPC: G06Q10/10

Abstract: 电子邮件或其他通信利用类别标记(诸如“垃圾”或“良好”)而不使用机密或个人可标识信息(PII)而被标记。该类别标记基于该电子邮件的不包含PII的特征，诸如元数据。电子邮件特征与类别标记之间的推理关系的图被用于向电子邮件和电子邮件的特征指派标记。已标记电子邮件被用作用于训练机器学习模型(“MLM”)的训练数据集。MLM模型标识不想要的电子邮件，诸如垃圾、批量电子邮件、网络钓鱼电子邮件、和包含恶意软件的电子邮件。