公开(公告)号：CN114418767B

公开(公告)日：2024-11-12

申请号：CN202210090764.9

申请日：2022-01-25

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 黄耀波 ,  黄涛 ,  张天翼 ,  武玥

IPC: G06Q40/04 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/00

Abstract: 本说明书实施例提供一种交易意图识别方法及装置，获取交易行为序列，交易行为序列包括待识别的目标交易，以及目标交易的双方用户之间的历史交易；将交易行为序列输入编码网络，得到对应的交易表征；在预先构建的用户关系网络图中，分别以双方用户为目标节点，利用图神经网络对目标节点进行关联节点的属性特征聚合，得到双方用户各自的用户表征；将双方用户各自的用户表征和交易表征，输入意图识别网络，确定目标交易的交易意图类型。

公开(公告)号：CN112836520B

公开(公告)日：2024-07-16

申请号：CN202110189542.8

申请日：2021-02-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李怀松 ,  黄涛 ,  王睿祺 ,  金先明 ,  张天翼

IPC: G06F40/30 ,  G06F40/284 ,  G06F16/33 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/08

Abstract: 本说明书实施例提供一种基于用户特征生成用户描述文本的方法和装置。方法包括：将目标用户的各项特征的特征名和其对应的特征值输入第一编码器，得到各初始用户特征向量；将各初始用户特征向量输入检索模型，进行K次迭代，以得到K个语句；其中，每次迭代包括，确定各项特征分别对应的本次迭代的各注意力系数，并根据各注意力系数对各初始用户特征向量进行加权求和，得到综合表征向量，再根据综合表征向量从人工知识库中检索出一个语句；将K个语句输入第二编码器，对K个语句基于注意力机制进行编码，得到语义表征向量；将各初始用户特征向量和语义表征向量输入生成模型，生成目标用户的用户描述文本。能够兼顾效率和文本质量。

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

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 郑行 ,  孙清清 ,  沈淑 ,  张天翼

IPC: G06F16/33 ,  G06F40/279 ,  G06F40/30

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。

公开(公告)号：CN117932002A

公开(公告)日：2024-04-26

申请号：CN202410141512.3

申请日：2024-01-31

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 宝鹏庆 ,  李佳霓 ,  潘登 ,  张天翼

IPC: G06F16/33 ,  G06F16/335 ,  G06N5/04 ,  G06N5/045 ,  G06N5/01

Abstract: 本说明书公开了一种业务执行的方法、装置、存储介质及电子设备。在此方法中，首先获取到用户针对业务模型输出的业务结果而输入的提问语句，继而，根据提问语句，来生成查询语句，其中，查询语句用于查询业务模型输出业务结果时所使用的用户的各用户数据，并根据查询语句，得到查询结果，进而，将提问语句输入到预先训练的识别模型中，以确定提问语句所使用的解释策略，通过使用该解释策略并根据查询结果，得到至少部分用户数据与业务模型输出的业务结果之间的关联关系，从而，根据得到的关联关系，来生成针对提问语句的回复语句，以通过回复语句来执行目标业务。

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

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 孙清清 ,  何茂林 ,  袁始股 ,  邹泊滔 ,  张天翼

IPC: G06F40/289 ,  G06F40/30 ,  G06F18/22 ,  G06F18/25 ,  G06F40/211

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。

公开(公告)号：CN117744155A

公开(公告)日：2024-03-22

申请号：CN202311871264.X

申请日：2023-12-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 吴若凡 ,  刘腾飞 ,  张天翼 ,  王维强

IPC: G06F21/62 ,  G06F16/901 ,  G06F18/25 ,  G06N3/02 ,  G06Q20/40

Abstract: 本说明书公开了一种执行风控业务的方法、装置及存储介质，确定图数据的用户特征，以及图数据中各节点之间进行特征聚合的传播参数，并根据各用户对应的隐私预算以及图数据的结构信息，确定图数据的噪声，根据噪声对传播参数加噪，确定传播噪声，根据传播噪声对各用户在图数据中的用户特征进行加噪传播，得到各用户的加噪特征，响应于针对各用户中目标用户的风控请求，根据目标用户的加噪特征，确定目标用户的风控结果，并根据风控结果进行风险控制。传播噪声为对传播参数加噪后得到的，根据传播噪声对特征矩阵进行聚合后，得到的加噪特征是对图数据中的特征进行过隐私保护的结果，则加噪特征可用于在隐私保护的前提下对用户执行风控。

公开(公告)号：CN116821346A

公开(公告)日：2023-09-29

申请号：CN202310861501.8

申请日：2023-07-13

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 吴若凡 ,  刘腾飞 ,  张天翼 ,  王维强

IPC: G06F16/35 ,  G06F16/33 ,  G06F21/62

Abstract: 本说明书实施例披露保护数据隐私的文本、样本分类方法及装置。其中文本分类方法包括：先基于隐私文本数据集的K个文本子集，采用低秩适应技术对预训练后具有基础参数集的基础模型进行第一微调，获得训练好的K个老师模型；再利用所述K个老师模型对多个公开文本进行打标，得到公开文本数据集，其中各个公开文本的类别标签基于所述K个老师模型对该公开文本的类别的加噪投票结果而确定，所述加噪投票结果是在原始投票结果上添加差分隐私噪声而得到；之后，基于所述公开文本数据集更新参数量远小于所述基础参数集的两个第二参数组，并将更新后该两个第二参数组的参数组合结果叠加到所述基础参数集，获得训练好的学生模型，用于分类目标文本。

公开(公告)号：CN112214652B

公开(公告)日：2023-09-29

申请号：CN202011119485.8

申请日：2020-10-19

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李怀松 ,  张天翼 ,  黄涛 ,  姚开盛 ,  谢雨杰 ,  林谢雄 ,  齐晓娜 ,  张映 ,  马良 ,  靳雅 ,  曾庆瑜 ,  王睿祺

IPC: G06F16/903 ,  G06F16/901 ,  G06Q10/0635 ,  G06Q40/04 ,  G06Q50/26 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本说明书实施例公开了一种报文生成方法、装置及设备，该方法包括：获取用户特征信息，对用户特征信息进行编码，形成用户特征信息对应的第一特征向量；根据用户特征信息从检索库中进行匹配，得到用户特征信息对应的多个风险描述语句；对多个风险描述语句进行特征化处理，得到用户特征信息对应的第二特征向量；对第一特征向量以及第二特征向量进行融合，得到融合后的第三特征向量；将第三特征向量输入主题匹配模型中，得到第三特征向量对应的多个主题；基于多个主题与第三特征向量，生成包含主题以及所述风险描述语句的报文。

公开(公告)号：CN112966112B

公开(公告)日：2023-08-08

申请号：CN202110322493.0

申请日：2021-03-25

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 郑行 ,  邹泊滔 ,  严淮 ,  王鑫云 ,  吴潇丽 ,  汤深 ,  孙清清 ,  张天翼

IPC: G06N3/094 ,  G06N3/09 ,  G06N3/0475 ,  G06F16/35

Abstract: 说明书实施例提供了一种文本分类模型的训练方法和文本分类方法，文本分类模型包括文本分类网络、对抗文本生成网络，该方法包括：将第一文本样本输入对抗文本生成网络，获得第一对抗文本；根据第一对抗文本与第一文本样本的文本差异损失；确定第一对抗文本与第一文本样本对于文本分类网络的判别差异损失；以文本差异损失趋于变小、判别差异损失趋于变大为目标，训练对抗文本生成网络；将第二文本样本输入经过训练的对抗文本生成网络，生成第二对抗文本；将第二文本样本和所述第二对抗文本，输入文本分类网络，得到第二文本样本和第二对抗文本分别对应的分类结果,以该分类结果趋同于第二文本样本的分类标签为目标，更新文本分类网络。

公开(公告)号：CN116502176A

公开(公告)日：2023-07-28

申请号：CN202310333653.0

申请日：2023-03-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 郑行 ,  袁始股 ,  孙清清 ,  张天翼

IPC: G06F18/25 ,  G06F18/22 ,  G06F18/24 ,  G06N20/00 ,  G06F40/20

Abstract: 本说明书公开了一种语言模型的预训练方法、装置、介质及电子设备，可先获取样本文本，将样本文本输入到特征提取网络，以提取样本文本的文本特征，并通过提示网络生成提示特征。然后将文本特征和提示特征融合，得到融合特征。最后针对预设的每个训练任务，根据融合特征以及该训练任务的训练目标，对语言模型中的编码端进行预训练。通过在预训练语言模型的编码端添加提示网络，使得在对语言模型进行预训练时候，可以将样本文本的文本特征和通过提示网络得到的提示特征进行融合，进而根据训练任务，完成训练目标，使得预训练后的语言模型可以更好的适配应用场景中的实际任务，以提高语言模型执行任务的能力，达到更好的效果。