-
公开(公告)号：CN110659744B
公开(公告)日：2021-06-04
申请号：CN201910916976.6
申请日：2019-09-26
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训练事件预测模型以及进行事件评估的方法和装置。在训练方法中，首先获取训练样本集，其中包括大量源域样本和少量目标域样本；将各个样本输入事件预测模型，该模型包括源域提取器、目标域提取器、共享提取器，其中，对于源域样本，采用源域提取器和共享提取器进行处理，对于目标域样本，采用目标域提取器和共享提取器进行处理。然后，基于处理得到的样本特征向量，预测当前样本的分类类别，并据此得到分类损失。另一方面，还根据各源域样本在模型特定网络层的第一表征，以及目标域样本在该网络层的第二表征，确定域适应损失。于是，在分类损失和域适应损失构成的总损失减小的方向，更新和训练事件预测模型。
-
公开(公告)号：CN111400764B
公开(公告)日：2021-05-07
申请号：CN202010216729.8
申请日：2020-03-25
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个人信息保护的风控模型训练方法、风险识别方法及硬件。训练方法包括：获取样本用户集合中的样本用户在第一时间节点和第二时间节的用户画像向量组合，样本用户在第一时间节点的用户画像向量组合与在第二时间节点的用户画像向量组合具有相同的用户画像维度。确定样本用户在第一时间节点的用户画像向量组合与在第二时间节点的用户画像向量组合之间的差异特征。基样本用户对应的差异特征以及在第二时间节点对应的风险分类标签，对风控模型进行训练，第一时间节点早于第二时间节点，样本用户集合中至少有一个样本用户在第二时间节点对应的风险分类标签所指示的风险程度高于在第一时间节点对应的风险分类标签所指示的风险程度。
-
公开(公告)号：CN111400764A
公开(公告)日：2020-07-10
申请号：CN202010216729.8
申请日：2020-03-25
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个人信息保护的风控模型训练方法、风险识别方法及硬件。训练方法包括：获取样本用户集合中的样本用户在第一时间节点和第二时间节的用户画像向量组合，样本用户在第一时间节点的用户画像向量组合与在第二时间节点的用户画像向量组合具有相同的用户画像维度。确定样本用户在第一时间节点的用户画像向量组合与在第二时间节点的用户画像向量组合之间的差异特征。基样本用户对应的差异特征以及在第二时间节点对应的风险分类标签，对风控模型进行训练，第一时间节点早于第二时间节点，样本用户集合中至少有一个样本用户在第二时间节点对应的风险分类标签所指示的风险程度高于在第一时间节点对应的风险分类标签所指示的风险程度。
-
公开(公告)号：CN110659744A
公开(公告)日：2020-01-07
申请号：CN201910916976.6
申请日：2019-09-26
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训练事件预测模型以及进行事件评估的方法和装置。在训练方法中，首先获取训练样本集，其中包括大量源域样本和少量目标域样本；将各个样本输入事件预测模型，该模型包括源域提取器、目标域提取器、共享提取器，其中，对于源域样本，采用源域提取器和共享提取器进行处理，对于目标域样本，采用目标域提取器和共享提取器进行处理。然后，基于处理得到的样本特征向量，预测当前样本的分类类别，并据此得到分类损失。另一方面，还根据各源域样本在模型特定网络层的第一表征，以及目标域样本在该网络层的第二表征，确定域适应损失。于是，在分类损失和域适应损失构成的总损失减小的方向，更新和训练事件预测模型。
-
-
-
Search Results
4
records
(took 0.065 seconds)
