-
公开(公告)号：CN114785497B
公开(公告)日：2025-02-28
申请号：CN202210413672.X
申请日：2022-04-19
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张雷
Abstract: 本说明书实施例提供一种保护数据隐私的共有数据确定方法及装置，该方法包括：中间方从第一方和第二方分别获取各自的加密数据，其中，所述加密数据由各方利用其各自的目标密钥对其持有的隐私数据集进行加密而得到，所述第一方和第二方均将所述中间方设置为可信中间方；对各方的加密数据进行解密，得到各方的隐私数据集明文；比对双方的隐私数据集明文，确定双方的隐私数据集明文的共有数据集；分别利用各方的所述目标密钥，对所述共有数据集加密，得到各方对应的共有数据集密文；将各方对应的共有数据集密文分别发送至各方，以使各方确定双方之间的共有数据。
-
公开(公告)号：CN114866312B
公开(公告)日：2024-07-12
申请号：CN202210467587.1
申请日：2022-04-24
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张雷
Abstract: 本说明书实施例提供一种保护数据隐私的共有数据确定方法及装置，该方法包括：中间方从第一方和第二方分别获取各自的加密数据，其中，加密数据是各方利用其各自的目标密钥对其所持有的哈希值集合进行加密而得到，哈希值集合是各方对其持有的各隐私数据进行预设哈希运算而得到的；对各方的加密数据进行解密，得到各方的哈希值集合明文；比对双方的哈希值集合明文，确定双方的哈希值集合明文的共有哈希值集合；分别利用各方的目标密钥，对所述共有哈希值集合进行加密，得到各方对应的共有哈希值集合密文；将各方对应的共有哈希值集合密文分别发送至各方，以使各方确定双方之间的共有数据。
-
公开(公告)号：CN117973477A
公开(公告)日：2024-05-03
申请号：CN202311873775.5
申请日：2023-12-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/08 , G06N3/042 , G06N3/045 , G06F18/241 , G06F18/27
Abstract: 本说明书实施例提供一种利用动态图谱训练神经网络模型的方法和装置，方法包括：获取目标动态图谱和对应的标签；对图谱的空间结构和/或时间进行扰动，得到若干个扰动图谱；将任一扰动图谱输入神经网络模型，通过第一注意力层得到其对应的本质模式表征，通过第二注意力层得到其对应的非本质模式表征，通过第一输出层基于该本质模式表征和非本质模式表征得到第一预测结果；基于任一扰动图谱对应的第一预测结果和标签，得到第一单次预测损失；以总损失函数的函数值最小化为训练目标，对神经网络模型进行训练；总损失函数包括第一损失函数，其函数值表征若干个扰动图谱分别对应的第一单次预测损失之间的差异。能够提升模型性能。
-
公开(公告)号：CN117787488A
公开(公告)日：2024-03-29
申请号：CN202311814302.8
申请日：2023-12-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/04 , G06N3/042 , G06F18/214 , G06F18/25
Abstract: 本说明书实施例中提供了一种用户响应预测系统的训练方法，包括将多个用户的样本数据中各用户的用户特征输入至解耦模型，得到仅与目标干预相关的第一特征、与目标干预和响应结果均相关的第二特征和仅与响应结果相关的第三特征；将第二特征分别与第一特征和第三特征组合，将多个组合结果分别输入多个变换模型，得到多个中间结果；将多个中间结果和各用户的目标干预的干预表征输入纠偏模型，得到第一预测响应；基于预测损失，训练用户响应预测系统；预测损失包括第一损失和第二损失，第一损失根据各用户的第一预测响应与其响应结果的差异而确定，第二损失根据不同目标干预下用户的第三特征的分布差异而确定。该方法可提升用户响应预测系统的准确度。
-
公开(公告)号：CN117350351B
公开(公告)日：2024-03-05
申请号：CN202311645094.3
申请日：2023-12-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种包括用户响应预测系统的训练方法，系统包括行为预测模型、干预表征模型、特征映射模型和倾向预测模型。方法包括获取样本，样本中包括用户特征，对用户施加的第一干预和施加第一干预后用户做出的第一响应；将用户特征输入已训练的行为预测模型，得到第二响应；将第一干预输入干预表征模型，得到干预表征；将用户特征分别输入特征映射模型和倾向预测模型，得到映射特征和倾向性特征；基于干预表征、映射特征和倾向性特征，对第二响应进行修正，得到第三响应；基于根据第一响应和第三响应的差异而确定的第一损失和根据倾向性特征和第一干预表征的差异而确定的第二损失，训练干预表征模型、特征映射(56)对比文件Ala'raj, M 等.A deep learning modelfor behavioural credit scoring inbanks.NEURAL COMPUTING &APPLICATIONS.2022,全文.
-
Patent Agency Ranking
公开(公告)号：CN114866312A
公开(公告)日：2022-08-05
申请号：CN202210467587.1
申请日：2022-04-24
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张雷
Abstract: 本说明书实施例提供一种保护数据隐私的共有数据确定方法及装置，该方法包括：中间方从第一方和第二方分别获取各自的加密数据，其中，加密数据是各方利用其各自的目标密钥对其所持有的哈希值集合进行加密而得到，哈希值集合是各方对其持有的各隐私数据进行预设哈希运算而得到的；对各方的加密数据进行解密，得到各方的哈希值集合明文；比对双方的哈希值集合明文，确定双方的哈希值集合明文的共有哈希值集合；分别利用各方的目标密钥，对所述共有哈希值集合进行加密，得到各方对应的共有哈希值集合密文；将各方对应的共有哈希值集合密文分别发送至各方，以使各方确定双方之间的共有数据。
-
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：CN114785497A
公开(公告)日：2022-07-22
申请号：CN202210413672.X
申请日：2022-04-19
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张雷
Abstract: 本说明书实施例提供一种保护数据隐私的共有数据确定方法及装置，该方法包括：中间方从第一方和第二方分别获取各自的加密数据，其中，所述加密数据由各方利用其各自的目标密钥对其持有的隐私数据集进行加密而得到，所述第一方和第二方均将所述中间方设置为可信中间方；对各方的加密数据进行解密，得到各方的隐私数据集明文；比对双方的隐私数据集明文，确定双方的隐私数据集明文的共有数据集；分别利用各方的所述目标密钥，对所述共有数据集加密，得到各方对应的共有数据集密文；将各方对应的共有数据集密文分别发送至各方，以使各方确定双方之间的共有数据。
-
公开(公告)号：CN117350351A
公开(公告)日：2024-01-05
申请号：CN202311645094.3
申请日：2023-12-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种包括用户响应预测系统的训练方法，系统包括行为预测模型、干预表征模型、特征映射模型和倾向预测模型。方法包括获取样本，样本中包括用户特征，对用户施加的第一干预和施加第一干预后用户做出的第一响应；将用户特征输入已训练的行为预测模型，得到第二响应；将第一干预输入干预表征模型，得到干预表征；将用户特征分别输入特征映射模型和倾向预测模型，得到映射特征和倾向性特征；基于干预表征、映射特征和倾向性特征，对第二响应进行修正，得到第三响应；基于根据第一响应和第三响应的差异而确定的第一损失和根据倾向性特征和第一干预表征的差异而确定的第二损失，训练干预表征模型、特征映射模型和倾向预测模型。
-
公开(公告)号：CN120014685A
公开(公告)日：2025-05-16
申请号：CN202510088122.9
申请日：2025-01-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V40/16 , G06V10/75 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0895
Abstract: 本说明书提供了一种模型训练方法及同质人群筛选方法、装置，模型训练方法包括利用带噪声标签的样本数据集对第一、第二初始模型进行协同指导训练，并且对未利用到的样本数据生成标签数据，并基于这些样本数据进行模型训练得到第一、第二子模型。基于半监督学习思想，为协同指导训练未利用到的高噪声数据生成对应的标签数据，从而利用全量的样本数据对模型进行训练，极大提高样本数据的利用率，而且增大训练数据规模，进而提高模型训练效果和精度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.05 seconds)
