-
公开(公告)号：CN118427594B
公开(公告)日：2024-10-29
申请号：CN202410812587.X
申请日：2024-06-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06F16/35 , G06N3/042 , G06N3/08
Abstract: 本说明书公开一种基于大语言模型的业务处理方法、装置及存储介质，包括：基于图表示学习方式对第一图关系数据进行特征提取，得到第一用户特征；第一图关系数据中的节点用于表征目标业务的用户，并包含有节点对应用户的用户信息。基于目标大语言模型对目标业务下样本用户与客服之间的第一沟通数据进行特征提取，得到第二用户特征。基于第一用户特征与第二用户特征之间的损失，对目标大语言模型的模型参数进行调整，以训练用户特征提取能力。基于目标大语言模型，对目标业务下目标用户与客服之间的第二沟通数据进行特征提取，得到第三用户特征；以及，基于目标大语言模型对第三用户特征进行业务预测，以执行与业务预测结果相匹配的业务处理决策。
-
公开(公告)号：CN118069935A
公开(公告)日：2024-05-24
申请号：CN202410188718.1
申请日：2024-02-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9536 , G06Q10/04 , G06Q50/00 , G06Q50/10 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本说明书实施例提供了一种基于关系网络的助力信息推送的方法及装置。关系网络包含代表用户的节点以及代表节点之间关系的连接边。对于待向其发送助力信息的关键意见用户，从关系网络中确定该关键意见用户的多个邻居用户，并将关键意见用户分别与多个邻居用户组成多个用户组。针对任一用户组，利用该用户组中用户之间的网络结构特征，通过预先训练的助力预测模型，确定该用户组中的邻居用户对关键意见用户的助力影响度，从而根据助力影响度，从多个邻居用户中找到对关键意见用户影响度最高的邻居用户作为目标用户。在向关键意见用户发送助力信息时，也向目标用户发送助力信息。用户相关特征属于隐私数据，在数据处理过程中需要进行隐私保护。
-
公开(公告)号：CN118052280A
公开(公告)日：2024-05-17
申请号：CN202410190370.X
申请日：2024-02-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例涉及一种生成带有频次约束的图规则的方法及装置，方法包括：首先，从预先形成的与交易相关的知识图谱中采样出多个目标子图，任一目标子图的头节点和尾节点所代表的用户和/或交易之间具有特定的风险关系。然后，对任一目标子图进行泛化处理，得到节点和/或边数量少于该目标子图的目标泛化图，所述泛化处理包括，对部分节点和边进行合并操作，所述目标泛化图包括基于所述合并操作确定的各个节点和边的出现频次。最后，确定多个目标泛化图的最大共同子图，并基于预设的性能评价指标，确定所述最大共同子图中各个节点和边的频次约束，得到规则图。
-
公开(公告)号：CN117745064A
公开(公告)日：2024-03-22
申请号：CN202311745349.3
申请日：2023-12-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06F18/2415 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本说明书实施例提供了通过神经网络模型对业务对象进行风险评估的方法及装置，该方法的一具体实施方式包括：从知识图谱中提取与目标业务对象相关的目标子图；利用图神经网络处理目标子图，得到其中各个节点的节点表征；利用预测网络处理各个节点的节点表征，得到各个业务对象关于业务风险的第一分数；利用逻辑交互网络，根据预先设定的若干条风险判断规则以及目标参数集，对各个业务对象的第一分数进行更新操作，得到目标业务对象关于业务风险的第二分数；根据该第二分数，确定目标业务对象是否具有业务风险。
-
公开(公告)号：CN117351324A
公开(公告)日：2024-01-05
申请号：CN202311647324.X
申请日：2023-12-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/82 , G06V30/19 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本公开提供一种通过神经网络模型进行文档图像处理的方法及装置，神经网络模型预先通过整体训练得到，其中至少包括匹配预测网络和逻辑交互网络，方法包括：从包含文档内容的目标图像中识别出多个文字；对于多个文字中任意两个文字构成的文字组合，使用匹配预测网络，得到文字组合属于同一语义字段的第一概率；在逻辑交互网络中，根据与文档理解相关的若干条约束规则，更新各个文字组合对应的第一概率，得到各个文字组合对应的第二概率；基于各个文字组合对应的第二概率，确定多个文字各自所属的语义字段。该实施方式使用包括约束规则的神经网络模型确定文档图像中多个文字各自所属的语义字段，因此可以提高文档图像处理的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116796004A
公开(公告)日：2023-09-22
申请号：CN202310772839.6
申请日：2023-06-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/36 , G06N3/0895 , G06F40/186 , G06F18/25
Abstract: 本说明书实施例提供了一种基于知识图谱的语言模型训练方法及装置。在训练过程中，将知识图谱中的子图输入图神经网络，通过图神经网络对子图中的节点进行聚合，得到子图在结构方面的表征，即子图表征。同时，本体信息和子图的图谱事实数据生成句子，作为文本语料，将文本语料输入预训练后的语言模型，通过语言模型确定子图在包含的深层文本方面的文本表征。在得到子图的子图表征和文本表征之后，基于二者之间的差异进行对比学习，从而更新语言模型。
-
公开(公告)号：CN111400481B
公开(公告)日：2023-04-28
申请号：CN202010410108.3
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332
Abstract: 本说明书实施例提供一种针对多轮对话生成回复语句的方法和装置，方法包括：获取历史上下文；对历史上下文基于注意力机制进行编码，得到历史上下文对应的上下文向量，以及历史上下文对应的第一分词序列的编码注意力分布；对候选知识集合中的各候选知识基于注意力机制进行编码，得到候选知识集合对应的知识融合向量，以及候选知识集合对应的第二分词序列的知识注意力分布；针对回复语句进行逐词预测，其中每次预测包括：对于扩充词表中每个候选词，得到将该候选词作为下一个词的预测概率；扩充词表包括，用于生成候选词的初始词表，第一分词序列中各分词，以及第二分词序列中各分词。在针对多轮对话生成回复语句时能够处理词汇不足单词。
-
公开(公告)号：CN115829110A
公开(公告)日：2023-03-21
申请号：CN202211489287.X
申请日：2022-11-25
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基于马尔可夫逻辑网预测用户行为的方法及装置。该方法包括：先获取基于用于限定用户行为之间关系的多条实例化规则而构建的马尔可夫逻辑网，其中包括与用户行为相关的多个变量，多个变量中涉及同一条实例化规则的变量共同形成对应的团；再基于马尔可夫逻辑网，对多个变量中各个隐变量在观测变量的观测值下的概率分布进行多轮次迭代更新，其中任一轮次包括：将各个隐变量分别作为目标隐变量，基于其所在若干团中各个团的团势能函数、各个团中其他隐变量的上一轮概率分布，确定目标隐变量的逻辑值对应的目标势能，用以确定目标隐变量的本轮概率分布；然后，根据多轮次迭代更新后隐变量中的行为变量的概率分布，预测用户行为。
-
公开(公告)号：CN111325254B
公开(公告)日：2022-06-28
申请号：CN202010089190.4
申请日：2020-02-12
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的构建条件关系网络、利用所构建的条件关系网络进行条件业务处理的方法及装置，将分布式架构引入条件关系网络的数据处理过程。在构建条件关系网络时，以各个业务状态的属性类别的联合概率分布为基础，在更新初始关系网络中的连接边时，拆分出多个局部网络进行分布式数据处理，使得单个任务处理的数据仅包括联合概率分布数据及以一个节点为基准的局部网络数据。进一步地，在利用条件关系网络进行业务数据处理过程中，也基于分布式数据处理的构思，针对待预测节点进行属性类别采样的多个子任务，将各个子任务分发给多个分布式设备进行处理。这种构思可以减少单任务的数据处理量，解决条件关系网络应用实践中的数据量瓶颈问题。
-
公开(公告)号：CN117520927B
公开(公告)日：2024-05-21
申请号：CN202410014918.5
申请日：2024-01-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/243 , G06F18/213 , G06F18/22 , G06N3/042 , G06N3/09
Abstract: 本说明书实施例提供一种检测异常账户的方法和装置，方法包括：从目标图谱中提取目标账户对应的目标节点和其邻居节点构成的目标子图；将目标子图输入图神经网络模型，得到目标节点的节点表征向量；获取目标节点在目标图谱中对应的图结构特征的特征值；图结构特征包括节点特征和关系特征；节点特征用于反映目标节点在目标图谱中的重要程度或其归属子图的稠密程度，关系特征用于反映目标节点与目标图谱中的其他节点之间的相关性；将节点表征向量和特征值输入分类模型，得到目标账户是否属于异常账户的检测结果。该方法能够提升检测异常账户的准确率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.052 seconds)
