-
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
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06F18/23213 , G06N3/04 , G06N3/0895
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。
-
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
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：CN114648070B
公开(公告)日：2023-06-13
申请号：CN202210296932.X
申请日：2022-03-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2415 , G06N3/048 , G06N3/047 , G06N3/084 , G06F11/34
Abstract: 本说明书实施例提供关键行为抽取网络、关键属性抽取网络的训练方法及装置。其中，关键行为抽取网络的训练方法包括：先将原始行为序列输入关键行为抽取网络，得到若干关键行为，形成关键行为序列；所述原始行为序列包括目标用户做出的按时间顺序排列的T个操作行为；再将所述关键行为序列输入预先训练好的业务预测模型，得到业务预测结果；之后，基于所述业务预测结果和所述原始行为序列的业务标签，训练所述关键行为抽取网络。如此，可以自动精准地抽取关键行为，有效增强对完整行为序列的业务预测结果的可解释性。
-
公开(公告)号：CN115829755A
公开(公告)日：2023-03-21
申请号：CN202310133681.8
申请日：2023-02-07
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种交易风险的预测结果的解释方法和装置。该方法包括：得到时间序列；该时间序列是：由至少两个交易事件的特征按照时间顺序形成的序列；并且，该时间序列被输入机器学习模型，以使得该机器学习模型根据该时间序列输出针对交易风险的预测结果；针对时间序列中的每一种类型的交易事件的特征，确定该类型特征在用于得到所述针对交易风险的预测结果时的重要性；将所述时间序列划分为至少两个子序列；针对每一个子序列，根据所确定出的每一种交易事件的类型的特征的重要性，得到每一种类型的交易事件的特征相对于该子序列的重要性。本说明书实施例能够更好地对机器学习模型得出的交易风险预测结果进行解释。
-
公开(公告)号：CN114648070A
公开(公告)日：2022-06-21
申请号：CN202210296932.X
申请日：2022-03-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供关键行为抽取网络、关键属性抽取网络的训练方法及装置。其中，关键行为抽取网络的训练方法包括：先将原始行为序列输入关键行为抽取网络，得到若干关键行为，形成关键行为序列；所述原始行为序列包括目标用户做出的按时间顺序排列的T个操作行为；再将所述关键行为序列输入预先训练好的业务预测模型，得到业务预测结果；之后，基于所述业务预测结果和所述原始行为序列的业务标签，训练所述关键行为抽取网络。如此，可以自动精准地抽取关键行为，有效增强对完整行为序列的业务预测结果的可解释性。
-
Patent Agency Ranking
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
Applicant: 支付宝(杭州)信息技术有限公司
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。
-
公开(公告)号：CN116070916A
公开(公告)日：2023-05-05
申请号：CN202310229786.3
申请日：2023-03-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06N3/0464 , G06N3/0895 , G06N3/088
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。
-
公开(公告)号：CN113781201B
公开(公告)日：2023-02-03
申请号：CN202110952753.2
申请日：2021-08-19
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 李佳霓
Abstract: 本说明书实施例提供了电子金融活动的风险评估方法和装置。根据实施例的方法，首先通过获取与待关注用户相关的历史风险行为事件和基础信息，并对该历史风险行为事件和基础信息进行特征处理。然后将特征处理后的风险行为特征和用户基础特征进行融合得到用户表征向量，进而利用该用户表征向量对该待关注用户的电子金融活动进行风险评估。如此通过历史行为模式建模的方式，能够改善利用人工经验或关联信息进行风险评估时的弊端，从而提高对电子金融活动进行风险评估的准确性。
-
公开(公告)号：CN116109008B
公开(公告)日：2023-07-04
申请号：CN202310353832.0
申请日：2023-04-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种业务执行的方法及装置，首先，获取业务数据。其次，将业务数据输入到预测模型的权重层中，以确定业务数据中每个业务维度的数据与预测模型输出的预测结果的相关程度。而后，根据相关程度，确定需要进行数据替换的业务维度，作为目标维度。然后，将业务数据中目标维度的数据进行替换，得到替换后业务数据。接着，将业务数据输入到预测模型中的预测层，确定第一预测结果，以及将替换后业务数据输入到预测层中，得到第二预测结果。最后，根据第一预测结果与第二预测结果之间的偏差，对预测模型进行调整，以根据调整后的预测模型，执行业务。本方法可以确定预测模型的可解释性，提高预测模型确定出的预测结果的准确性。
-
公开(公告)号：CN115829755B
公开(公告)日：2023-05-26
申请号：CN202310133681.8
申请日：2023-02-07
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种交易风险的预测结果的解释方法和装置。该方法包括：得到时间序列；该时间序列是：由至少两个交易事件的特征按照时间顺序形成的序列；并且，该时间序列被输入机器学习模型，以使得该机器学习模型根据该时间序列输出针对交易风险的预测结果；针对时间序列中的每一种类型的交易事件的特征，确定该类型特征在用于得到所述针对交易风险的预测结果时的重要性；将所述时间序列划分为至少两个子序列；针对每一个子序列，根据所确定出的每一种交易事件的类型的特征的重要性，得到每一种类型的交易事件的特征相对于该子序列的重要性。本说明书实施例能够更好地对机器学习模型得出的交易风险预测结果进行解释。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
