一种模型训练方法、业务风控方法、装置以及存储介质

    公开(公告)号:CN117933424A

    公开(公告)日:2024-04-26

    申请号:CN202410138854.X

    申请日:2024-01-31

    Abstract: 本说明书提供的一种模型训练方法、业务风控方法、装置以及存储介质,可以首先获取非结构化文档,并从中提取出其包含的各文本信息,以及确定出每个文本信息在非结构化文档中的文本位置信息,而后,将各文本信息以及文本位置信息输入到实体识别模型中,以使实体识别模型针对每个文本信息,根据该文本信息在非结构化文档中的文本位置信息以及其他文本信息在非结构化文档中的文本位置信息,从其他文本信息中确定与该文本信息相关联的文本信息,作为参考文本信息,并根据参考文本信息,确定对应的实体信息,作为预测实体,以最小化每个文本信息对应的预测实体与非结构化文档中包含的实际实体信息之间的偏差为优化目标,对实体识别模型进行训练。

    文本分类模型的训练方法及装置
    2.
    发明公开

    公开(公告)号:CN115858786A

    公开(公告)日:2023-03-28

    申请号:CN202211592050.4

    申请日:2022-12-12

    Abstract: 本说明书实施例提供了文本分类模型的训练方法及装置,其中,一种文本分类模型的训练方法包括:文本分类模型的训练方法,包括:基于获取的待处理文本,构建对应的初始文本样本;待处理文本包括通用文本和业务文本;初始文本样本携带有掩码;基于初始文本样本,构建对应的正负样本对;正负样本对包括表征两个样本相似的正样本对和表征两个样本不相似的负样本对;根据正负样本对,对初始文本分类模型进行模型训练,得到预训练模型;根据预先生成的业务文本样本对预训练模型进行模型训练,得到文本分类模型。

    超参数优化方法、装置和电子设备

    公开(公告)号:CN111401569B

    公开(公告)日:2023-02-17

    申请号:CN202010229223.0

    申请日:2020-03-27

    Abstract: 本说明书实施例公开了一种超参数优化方法、装置和电子设备的实施例。所述方法包括:利用以下步骤进行迭代处理,直至满足迭代结束条件:根据动作数据,调整超参数的当前取值,所述动作数据用于表示超参数取值的调整方向;根据超参数的调整后的取值,计算相应的性能指标,所述性能指标用于表示模型的性能;根据动作数据和性能指标,更新目标函数的代理模型,所述目标函数用于表示从动作数据到性能指标的映射关系;根据更新后的代理模型,确定新的动作数据;在迭代结束以后,将超参数的当前取值确定为优化取值。本说明书实施例的超参数优化方法、装置和电子设备,可以快速地获得超参数的优化取值,减少迭代次数。

    针对交易的制裁扫描方法及装置

    公开(公告)号:CN114819976A

    公开(公告)日:2022-07-29

    申请号:CN202210466962.0

    申请日:2022-04-29

    Abstract: 本说明书实施例提供了针对交易的制裁扫描方法及装置。该方法涉及扫描引擎,扫描引擎关联多个审理机器人,该多个审理机器人包括第一审理机器人,该方法包括:扫描引擎将其生成的当前审理任务发送至第一审理机器人,当前审理任务根据针对当笔交易的制裁扫描请求生成;第一审理机器人在本地数据库中查找与当前审理任务相同的目标人工审理任务,其中,该本地数据库存储有若干人工审理任务和该若干人工审理任务分别对应的审理结果;若查找到,则将目标人工审理任务对应的审理结果返回给扫描引擎;若未查找到,则向扫描引擎返回无法决策消息。

    名称匹配方法、训练方法、设备及存储介质

    公开(公告)号:CN114510944A

    公开(公告)日:2022-05-17

    申请号:CN202210153195.8

    申请日:2022-02-18

    Abstract: 本说明书一个或多个实施例提供一种名称匹配方法、训练方法、设备及存储介质。所述方法包括:获取待匹配名称的名称字符串;根据预先训练好的神经网络将所述待匹配名称的名称字符串转换成表征向量;其中,所述神经网络用于将同一名称的不同变体的字符串均转换成同一表征向量;确定所述待匹配名称的表征向量分别与预存的若干参考名称的表征向量之间的相似度;其中,所述参考名称的表征向量为将所述参考名称的任一变体的字符串输入所述神经网络得到;根据所述相似度确定所述待匹配名称与所述参考名称是否匹配。本实施例有利于提高匹配效率和匹配准确性。

    超参数优化方法、装置和电子设备

    公开(公告)号:CN111401569A

    公开(公告)日:2020-07-10

    申请号:CN202010229223.0

    申请日:2020-03-27

    Abstract: 本说明书实施例公开了一种超参数优化方法、装置和电子设备的实施例。所述方法包括:利用以下步骤进行迭代处理,直至满足迭代结束条件:根据动作数据,调整超参数的当前取值,所述动作数据用于表示超参数取值的调整方向;根据超参数的调整后的取值,计算相应的性能指标,所述性能指标用于表示模型的性能;根据动作数据和性能指标,更新目标函数的代理模型,所述目标函数用于表示从动作数据到性能指标的映射关系;根据更新后的代理模型,确定新的动作数据;在迭代结束以后,将超参数的当前取值确定为优化取值。本说明书实施例的超参数优化方法、装置和电子设备,可以快速地获得超参数的优化取值,减少迭代次数。

    一种资源流转分析的方法、装置及电子设备

    公开(公告)号:CN118840208A

    公开(公告)日:2024-10-25

    申请号:CN202410977146.5

    申请日:2024-07-19

    Abstract: 本说明书实施例公开了一种资源流转分析的方法、装置及电子设备。所述资源流转分析的方法包括:从至少一个账户对应的不同地址之间的资源流转事件中,确定多个时间层级的与目标地址相关的相关流转事件,同一地址在相邻两个时间层级的相关流转事件中分别为资源流入地址和资源流出地址;以所述相关流转事件中的地址为节点、所述相关流转事件为边,构建所述目标地址对应的资源流转图;在所述资源流转图中,根据各个所述相关流转事件和所述目标地址的资源流转数量,确定各个所述相关交易事件参与所述目标地址的资源流转的参与指数;根据所述参与指数,从所述资源流转图中确定所述目标地址的资源流转链路,并基于所述资源流转链路,确定分析结果。

    文本匹配和对抗文本识别方法、装置及设备

    公开(公告)号:CN112256841B

    公开(公告)日:2024-05-07

    申请号:CN202011350754.1

    申请日:2020-11-26

    Abstract: 本说明书实施例提供一种文本匹配和对抗文本识别方法、装置及设备。文本匹配方法包括:构建第一文本和第二文本的文本向量,并分析文本向量之间的对齐信息;从对齐信息中抽取出关键对齐信息,以保留文本中关键文本单元相关的对齐信息;基于第一文本和第二文本的文本向量、关键对齐信息,分析第一文本和第二文本的匹配关系,达到从文本样本的维度进行文本匹配分析的目的。

    实体匹配模型的训练方法、实体匹配方法及设备

    公开(公告)号:CN117829145A

    公开(公告)日:2024-04-05

    申请号:CN202311758476.7

    申请日:2023-12-19

    Abstract: 本说明书一个或多个实施例公开了一种实体匹配模型的训练方法,包括:构建训练数据集;确定实体匹配任务的子任务;基于所述训练数据集对实体匹配模型进行训练,得到训练好的目标实体匹配模型;训练过程中,通过所述实体匹配模型的第一模型学习输入的样本对的浅层特征表示和深层特征表示,通过所述实体匹配模型的第二模型来基于所述浅层特征表示和所述深层特征表示中的至少一个,预测出所述子任务的预测结果,并确定所述子任务的损失函数;基于至少一个所述子任务的损失函数,确定所述实体匹配任务的损失函数,来更新所述实体匹配模型的参数。相应地,本说明书还公开了实体匹配模型的训练装置、实体匹配方法及实体匹配装置。

    一种风险扫描规则的生成方法、装置、介质及电子设备

    公开(公告)号:CN117114393A

    公开(公告)日:2023-11-24

    申请号:CN202311008623.9

    申请日:2023-08-10

    Abstract: 本说明书公开了一种风险扫描规则的生成方法、装置、介质和电子设备,所述方法包括:确定当前初始规则组合和除初始规则组合中的扫描规则外的各待选规则。将各待选规则分添加到初始规则组合中,得到各待选组合。根据各待选组合的总得分,判断总得分最高的待选组合是否满足选中条件。若是,从各待选组合中确定选中组合。若否,从至少除总得分最高的待选组合之外的各其他待选组合中确定选中组合。根据初始规则组合的总得分和选中组合的总得分,重新确定初始规则组合以及选中组合,直至满足结束条件时,将确定出的选中组合作为对交易事件进行风险扫描的风险扫描规则组合,使采用风险扫描规则组合对交易事件进行风险扫描后得到的扫描结果更加准确。

Patent Agency Ranking