-
公开(公告)号：CN116627985A
公开(公告)日：2023-08-22
申请号：CN202310665077.X
申请日：2023-06-06
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数据处理方法及装置，该方法包括：读取第一节点对应的第一邻居列表，以及对应的第一索引数据，所述第一索引数据包括，根据所述第一邻居列表中各邻居节点的第一属性的值而整理的若干邻居节点的指示数据；基于所述第一索引数据，从所述第一邻居列表，筛选出满足第一过滤表达式的若干第一邻居节点，其中所述第一过滤表达式针对所述第一属性而设置。
-
公开(公告)号：CN116431651A
公开(公告)日：2023-07-14
申请号：CN202310353646.7
申请日：2023-03-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种图数据处理方法、装置和计算机设备。所述方法应用于分布式系统中的第一节点设备，所述第一节点设备与图数据中的目标节点相匹配，所述方法包括：接收目标节点所对应邻居节点的特征信息；利用图模型的中间层，根据邻居节点的特征信息对目标节点的特征信息进行更新；根据目标节点的出边，发送目标节点更新后的特征信息；迭代执行以上步骤，直至满足设定条件；利用图模型的输出层，对更新后的特征信息进行处理，得到目标节点的预测结果。本说明书实施例可以提高图数据的预测效率。
-
公开(公告)号：CN111291869B
公开(公告)日：2020-11-24
申请号：CN202010384216.8
申请日：2020-05-09
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并行训练业务模型的方法，在并行训练业务模型的过程中，就参与并行训练的多个设备中的单个设备而言，仅保存一部分模型参数的当前值，在其他设备需要相关模型参数时，实时从该单个设备获取这些参数。在参数调整更新过程中，其他设备将相关模型参数的当前梯度反馈给该单个设备，由该单个设备综合考虑各个当前梯度，对所保存的模型参数进行当前值的调整。由于各个设备分别处理部分模型参数，可以有效缩短计算和通信时间，从而提高模型并行训练效率。
-
公开(公告)号：CN111144899A
公开(公告)日：2020-05-12
申请号：CN201911227488.0
申请日：2019-12-04
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识别虚假交易的方法及装置和电子设备。所述方法包括：针对任一待识别的交易，根据若干风险维度下该交易的特征数据，获取每个风险维度对应的风险模型输出的识别结果；利用设定的潜在类别模型，计算所述若干识别结果对应的联合概率分布；根据所述联合概率分布，计算所述待识别的交易属于虚假交易的条件概率值；在所述条件概率值大于阈值时，确定所述待识别的交易为虚假交易。
-
-
Patent Agency Ranking
公开(公告)号：CN111291869A
公开(公告)日：2020-06-16
申请号：CN202010384216.8
申请日：2020-05-09
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并行训练业务模型的方法，在并行训练业务模型的过程中，就参与并行训练的多个设备中的单个设备而言，仅保存一部分模型参数的当前值，在其他设备需要相关模型参数时，实时从该单个设备获取这些参数。在参数调整更新过程中，其他设备将相关模型参数的当前梯度反馈给该单个设备，由该单个设备综合考虑各个当前梯度，对所保存的模型参数进行当前值的调整。由于各个设备分别处理部分模型参数，可以有效缩短计算和通信时间，从而提高模型并行训练效率。
-
公开(公告)号：CN110782349A
公开(公告)日：2020-02-11
申请号：CN201911023618.9
申请日：2019-10-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本实施例之一涉及一种模型训练方法和系统。所述方法包括：获取第一时间段内的多个正常样本；获取第二时间段内的多个异常样本，所述第二时间段大于所述第一时间段，同一时间段内正常样本的数量与异常样本的数量差距超过设定阈值；从每个正常样本和异常样本中提取目标特征；根据从所述多个正常样本和所述多个异常样本中提取的目标特征对模型进行训练，得到训练好的模型；评估所述训练好的模型；以及根据评估结果优化所述训练好的模型。
-
公开(公告)号：CN117993511A
公开(公告)日：2024-05-07
申请号：CN202410224431.X
申请日：2024-02-28
Applicant: 之江实验室 , 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06T1/20 , G06T1/60
Abstract: 本说明书的实施例提供了一种基于图神经网络的图表征方法、网络训练方法和装置。在该图表征方法中，基于全图结构关系数据进行图划分；在每轮分区推理过程中：将所选取的当前图划分结果中的各个节点所对应的当前节点表征从外部存储空间加载至系统内存，当前节点表征基于对应的节点所具有的节点特征数据推理得到；根据全图结构关系数据确定当前图划分结果中的各个目标节点的邻居节点；将至少部分邻居节点所对应的当前节点表征和包含邻居节点的结构关系数据从系统内存传输到GPU存储空间；在GPU处，基于图神经网络根据当前节点表征和相应的结构关系数据进行推理，得到目标节点所对应的融合有邻居节点特征的节点表征，并更新外部存储中的相应节点表征。
-
公开(公告)号：CN111144899B
公开(公告)日：2023-04-25
申请号：CN201911227488.0
申请日：2019-12-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/018 , G06Q30/0601
Abstract: 本说明书实施例提供一种识别虚假交易的方法及装置和电子设备。所述方法包括：针对任一待识别的交易，根据若干风险维度下该交易的特征数据，获取每个风险维度对应的风险模型输出的识别结果；利用设定的潜在类别模型，计算所述若干识别结果对应的联合概率分布；根据所述联合概率分布，计算所述待识别的交易属于虚假交易的条件概率值；在所述条件概率值大于阈值时，确定所述待识别的交易为虚假交易。
-
公开(公告)号：CN111126788A
公开(公告)日：2020-05-08
申请号：CN201911212256.8
申请日：2019-12-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/06 , G06F16/901 , G06F17/18
Abstract: 本说明书实施例提供一种风险识别方法及装置和电子设备。所述方法包括：根据历史交易数据构建目标服务商的交易关系图；其中，所述交易关系图由所述目标服务商拓展的卖方节点、与所述卖方节点发生交易的买方节点构成，发生交易的卖方节点和买方节点之间通过边表示关联关系；统计所述交易关系图中至少三阶的子图的数量；其中，所述子图由相邻买方节点和卖方节点构成；根据每阶子图的数量和所有阶子图的总数量，计算所述交易关系图的子图频率分布；根据所述子图频率分布，确定所述目标服务商是否为异常服务商。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.034 seconds)
