训练风险交易识别模型、识别风险交易的方法和装置

    公开(公告)号:CN114549001B

    公开(公告)日:2025-03-25

    申请号:CN202210119317.1

    申请日:2022-02-08

    Abstract: 本说明书实施例提供了训练风险交易识别模型的方法和装置,以及识别风险交易的方法和装置,其中,训练风险交易识别模型的方法的一具体实施方式包括:获取历史交易记录,上述历史交易记录中包括:标注有风险标签的风险交易,标注有无风险标签的正常交易,以及无标签的其他交易;判断上述历史交易记录中各交易对应的端侧行为序列是否具有预设的高危子序列,得到第一判断结果;判断上述历史交易记录中各交易对应的链路特征是否符合预设的高风险模式,得到第二判断结果;基于各交易对应的第一判断结果、第二判断结果、以及交易基本信息,构建各交易样本;基于各交易样本及其标签标注情况,训练风险交易识别模型。

    训练风险交易识别模型、识别风险交易的方法和装置

    公开(公告)号:CN114549001A

    公开(公告)日:2022-05-27

    申请号:CN202210119317.1

    申请日:2022-02-08

    Abstract: 本说明书实施例提供了训练风险交易识别模型的方法和装置,以及识别风险交易的方法和装置,其中,训练风险交易识别模型的方法的一具体实施方式包括:获取历史交易记录,上述历史交易记录中包括:标注有风险标签的风险交易,标注有无风险标签的正常交易,以及无标签的其他交易;判断上述历史交易记录中各交易对应的端侧行为序列是否具有预设的高危子序列,得到第一判断结果;判断上述历史交易记录中各交易对应的链路特征是否符合预设的高风险模式,得到第二判断结果;基于各交易对应的第一判断结果、第二判断结果、以及交易基本信息,构建各交易样本;基于各交易样本及其标签标注情况,训练风险交易识别模型。

    一种基于大语言模型执行业务的方法和装置

    公开(公告)号:CN118674041A

    公开(公告)日:2024-09-20

    申请号:CN202410702468.9

    申请日:2024-05-31

    Abstract: 本说明书实施例公开了一种基于大语言模型执行业务的方法和装置,确定待执行问答业务对应的用户问题,将所述用户问题输入到智能体模型中,以使所述智能体模型根据所述用户问题检索所述智能体模型中预先存储的知识图谱,确定出用于回复所述用户问题的图谱子结构,并生成所述图谱子结构对应的推理提示。将所述推理提示输入到大语言模型中,以使所述大语言模型根据所述推理提示,生成所述图谱子结构对应的回复,作为所述用户问题的回复。

    数据处理方法、装置及设备

    公开(公告)号:CN116070916B

    公开(公告)日:2023-06-16

    申请号:CN202310229786.3

    申请日:2023-03-06

    Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备,其中,该方法包括:获取待检测的目标数据,所述目标数据包括人机交互过程中生成的多个行为数据;基于预先训练的风险检测模型和所述目标数据,确定所述目标数据的风险类型以及目标事件组合,所述目标事件组合包含所述行为数据中具有预设关联关系的多个行为数据,所述风险检测模型为基于历史数据和所述预设关联关系对应的损失函数,对由预设深度学习算法构建的模型进行训练得到;基于所述目标数据的风险类型以及所述目标事件组合,确定针对所述目标数据的风险检测结果。

    违规交易的转移模式的发现方法和装置

    公开(公告)号:CN114037454A

    公开(公告)日:2022-02-11

    申请号:CN202111410827.6

    申请日:2021-11-25

    Abstract: 本说明书实施例提供了一种违规交易的转移模式的发现方法和装置。该方法包括:在识别出任意一个第一交易为违规交易之后,拦截该第一交易;确定第一交易对应的至少一个第二交易;其中,该第二交易与该第一交易具有相同的发起方,且该第二交易在该第一交易之后发生;利用该第一交易及其对应的各第二交易生成一个疑似转移路径;得到该第一交易的渠道特征以及该第二交易的渠道特征;根据该第一交易的渠道特征及该第二交易的渠道特征,得到该疑似转移路径具有的渠道特征;根据至少两个疑似转移路径具有的渠道特征之间的关联性,确定违规交易的转移模式。能够发现违规交易的转移模式,从而进行更为有效地拦截。

    一种风险识别的方法、装置及电子设备

    公开(公告)号:CN119205117A

    公开(公告)日:2024-12-27

    申请号:CN202411216616.2

    申请日:2024-08-30

    Abstract: 本说明书实施例公开了一种风险识别的方法、装置及电子设备。所述风险识别的方法包括:将特征数据中的连续型数据输入风险识别模型中第一特征子模型,得到连续型特征,所述特征数据为与交易主体的交易风险相关的表格类型的数据,所述第一特征子模型用于在对输入的连续型数据分段后、对连续型数据所属的段的离散值进行特征提取;将所述特征数据中的离散型数据输入所述风险识别模型中第二特征子模型,得到离散型特征;基于所述风险识别模型中融合子模型对所述连续型特征和所述离散型特征进行融合处理,得到风险特征;将所述风险特征输入所述风险识别模型的风险识别子模型,得到用于表征所述交易主体在预设时间内是否会产生交易风险的风险识别结果。

    一种针对表格数据的风险识别方法、装置及设备

    公开(公告)号:CN119048241A

    公开(公告)日:2024-11-29

    申请号:CN202411060108.X

    申请日:2024-08-02

    Abstract: 本说明书实施例公开了一种针对表格数据的风险识别方法、装置及设备,该方法包括:获取用户在执行目标业务的过程中的表格数据;分别对表格数据中的类别型数据和数值型数据进行特征提取,得到类别型数据对应的类别表征和数值型数据对应的数值表征,基于类别表征和数值表征,确定表格数据对应的数据表征;将表格数据对应的数据表征输入到预先训练的多任务学习网络中,得到包含表格数据对应的多个任务中不同任务之间的关系的每个任务的风险表征,多任务学习网络中包括多个专家模型和任务对应的门控网络;基于每个任务的风险表征,通过预先训练的风险识别网络确定表格数据是否存在预设风险的识别结果。

    用于风险识别的方法和装置

    公开(公告)号:CN114529191B

    公开(公告)日:2024-10-22

    申请号:CN202210142895.7

    申请日:2022-02-16

    Abstract: 本公开提供了用于风险识别的方法和装置。一种用于风险识别的方法,包括:获取与风险实例相关的无语义训练数据样本和有语义训练数据样本;使用无语义训练数据样本和有语义训练数据样本来对第一风险识别模型和第二风险识别模型进行联合训练,包括:分别使用第一特征提取模块和第二特征提取模块对无语义训练数据样本和有语义训练数据样本进行特征提取以生成无语义训练特征向量和有语义训练特征向量;以及对无语义训练特征向量和有语义训练特征向量进行对比学习,以使得所述对比学习的损失函数收敛。

    数据处理方法、装置及设备
    9.
    发明公开

    公开(公告)号:CN117992829A

    公开(公告)日:2024-05-07

    申请号:CN202410148333.2

    申请日:2024-02-01

    Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备,其中,该方法包括:获取预先训练的分类模型;通过所述预先训练的分类模型,分别对所述源域特征样本和所述目标域特征样本进行分类处理,得到所述源域特征样本对应的标签预测值以及所述目标域特征样本对应的标签预测值;基于所述目标域特征样本对应的标签预测值,确定样本筛选阈值;基于所述样本筛选阈值和所述源域特征样本对应的标签预测值,从所述源域特征样本选取目标特征样本,并通过所述目标特征样本和所述目标域特征样本,对预设业务模型进行训练,得到训练后的业务模型。

    用于风险识别的方法和装置

    公开(公告)号:CN114529191A

    公开(公告)日:2022-05-24

    申请号:CN202210142895.7

    申请日:2022-02-16

    Abstract: 本公开提供了用于风险识别的方法和装置。一种用于风险识别的方法,包括:获取与风险实例相关的无语义训练数据样本和有语义训练数据样本;使用无语义训练数据样本和有语义训练数据样本来对第一风险识别模型和第二风险识别模型进行联合训练,包括:分别使用第一特征提取模块和第二特征提取模块对无语义训练数据样本和有语义训练数据样本进行特征提取以生成无语义训练特征向量和有语义训练特征向量;以及对无语义训练特征向量和有语义训练特征向量进行对比学习,以使得所述对比学习的损失函数收敛。

Patent Agency Ranking