一种模型训练方法、业务风控方法、装置以及存储介质

    公开(公告)号:CN118627569A

    公开(公告)日:2024-09-10

    申请号:CN202410735484.8

    申请日:2024-06-05

    Abstract: 本说明书提供的一种模型训练方法、业务风控方法、装置以及存储介质,可以首先获取第一样本交易数据以及其对应的实际风险层级标签,并将第一样本交易数据输入到过渡模型中包含的特征提取层中,以提取出交易特征,并将交易特征输入到过渡模型中包含的分类层中,以确定出预测风险层级标签,以最小化预测风险层级标签与实际风险层级标签之间的偏差为优化目标,至少对特征提取层进行训练,通过训练后的特征提取层以及预设的各目标分类层,构建目标模型,并将第二样本交易数据输入到目标模型中,以通过目标模型确定出预测风险识别结果,以最小化预测风险识别结果与第二样本交易数据对应的实际风险识别结果之间的偏差为优化目标,对目标模型进行训练。

    一种核身推荐模型训练方法及装置

    公开(公告)号:CN114462502B

    公开(公告)日:2024-07-12

    申请号:CN202210011293.8

    申请日:2022-01-06

    Abstract: 本说明书公开了一种核身推荐模型训练方法及装置。所述方法包括:获取训练样本集合;所述训练样本集合包括不同业务场景中标注有核身产品推荐标签的训练样本;根据所述训练样本集合,预训练所述表征模型;预训练后的表征模型用于将输入的样本特征映射到第一向量空间中,针对相同推荐标签的样本减小第一向量空间映射结果之间的距离;获取任一业务场景中的若干训练样本,将所获取的训练样本输入所述预训练后的表征模型得到第一向量空间映射结果,根据所获取训练样本的第一向量空间映射结果和核身产品推荐标签,训练该业务场景对应的预测模型。

    一种支付风险识别方法、装置及设备

    公开(公告)号:CN113516480B

    公开(公告)日:2024-04-26

    申请号:CN202110953376.4

    申请日:2021-08-19

    Abstract: 本说明书一个或多个实施例提供了一种支付风险识别方法、装置及设备,该方法包括:若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点,则利用深度兴趣网络模型,基于目标用户的历史支付交易数据和当前支付环境数据,确定目标用户的预测支付行为数据;利用预设风险识别模型并基于上述预测支付行为数据,对本次支付交易事件进行风险识别,得到相应的预测支付风险识别结果;在本次支付交易事件执行到第二预设处理节点时,获取在本次支付交易事件执行过程中所产生的目标用户的真实支付行为数据;基于上述预测支付行为数据、真实支付行为数据和预测支付风险识别结果,确定本次支付交易事件对应的目标支付风险识别结果。

    一种数据处理的方法、装置及电子设备

    公开(公告)号:CN117592557A

    公开(公告)日:2024-02-23

    申请号:CN202311641177.5

    申请日:2023-11-30

    Inventor: 杨阳

    Abstract: 本说明书一个或多个实施例公开了一种数据处理的方法、装置及电子设备。所述方法包括:获取加载多个版本的调整模型的调整参数的基础模型,所述调整模型是在所述基础模型的基础上、通过所述调整参数对所述基础模型的模型参数进行调整后得到的模型;在接收到使用多个版本的所述调整模型中的目标调整模型对目标数据进行处理的请求的情况下,确定所述目标数据对应的掩码策略,所述掩码策略中至少包括对与所述目标调整模型无关的调整参数对应的输出数据进行掩盖处理的策略;在所述目标数据输入所述基础模型后,基于所述掩码策略,对所述基础模型中与所述目标调整模型无关的调整参数对应的输出数据进行掩盖处理,得到所述目标数据对应的处理结果数据。

    风险识别模型的训练方法、风险识别方法及装置

    公开(公告)号:CN117372021A

    公开(公告)日:2024-01-09

    申请号:CN202311228697.3

    申请日:2023-09-21

    Inventor: 杨阳

    Abstract: 本说明书实施例公开了一种风险识别模型的训练方法,包括获取风控样本数据;将所述风控样本数据按照预设的时间粒度拆分为子样本序列;将所述子样本序列输入编码器,得到第一样本特征向量;将所述第一样本特征向量按照时间顺序排列,得到第二样本特征向量;将所述第二样本特征向量输入分类器;基于所述分类器的预测结果和所述风控样本数据的真实标签,确定损失函数;基于所述损失函数,更新所述编码器和所述分类器的参数;基于所述编码器和所述分类器,确定所述风险识别模型。相应地,本发明公开了风险识别方法及装置。

    一种模型训练的方法、装置、存储介质及电子设备

    公开(公告)号:CN117312847A

    公开(公告)日:2023-12-29

    申请号:CN202311146762.8

    申请日:2023-09-06

    Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质和电子设备,所述方法包括:针对各训练样本,确定该训练样本中指定类型的数据为指定数据,并将指定数据输入待训练的风险识别模型的第一编码层,确定该训练样本的第一特征。将该训练样本中所有类型的数据输入待训练的风险识别模型的第二编码层,确定该训练样本的第二特征。以该训练样本的第一特征与该训练样本的第二特征之间的距离最小和该训练样本的第一特征与除该训练样本外的其他训练样本的第二特征之间的距离最大为目标,至少对待训练的风险识别模型中第二编码层的模型参数进行调整。通过第一特征指导第二编码层对训练样本进行特征提取,更好地表征用户存在的风险,提高识别结果准确性。

    一种模型的训练方法、装置及设备

    公开(公告)号:CN114429222A

    公开(公告)日:2022-05-03

    申请号:CN202210061986.8

    申请日:2022-01-19

    Abstract: 本说明书实施例公开了一种模型的训练方法、装置及设备,该方法包括:获取待训练的目标模型对应的模型参数和目标模型的训练样本,并将模型参数划分为多个不同的模型子参数,然后,可以基于训练样本和每个模型子参数对应的损失函数,对目标模型进行模型训练,确定每个模型子参数对应的初始梯度信息,基于每个模型子参数对应的截断信息对相应的模型子参数对应的初始梯度信息进行梯度截断,得到每个模型子参数对应的梯度信息,最终,可以向每个模型子参数对应的梯度信息中加入相应的噪声信息,得到每个模型子参数对应的目标梯度信息,并基于每个模型子参数对应的目标梯度信息对模型参数进行更新,得到训练后的目标模型。

    一种支付风险识别方法、装置及设备

    公开(公告)号:CN113516480A

    公开(公告)日:2021-10-19

    申请号:CN202110953376.4

    申请日:2021-08-19

    Abstract: 本说明书一个或多个实施例提供了一种支付风险识别方法、装置及设备,该方法包括:若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点,则利用深度兴趣网络模型,基于目标用户的历史支付交易数据和当前支付环境数据,确定目标用户的预测支付行为数据;利用预设风险识别模型并基于上述预测支付行为数据,对本次支付交易事件进行风险识别,得到相应的预测支付风险识别结果;在本次支付交易事件执行到第二预设处理节点时,获取在本次支付交易事件执行过程中所产生的目标用户的真实支付行为数据;基于上述预测支付行为数据、真实支付行为数据和预测支付风险识别结果,确定本次支付交易事件对应的目标支付风险识别结果。

    基于联邦学习的模型参数更新方法、装置及设备

    公开(公告)号:CN113297396A

    公开(公告)日:2021-08-24

    申请号:CN202110824981.1

    申请日:2021-07-21

    Abstract: 本说明书实施例提供了一种基于联邦学习的模型参数更新方法、装置及设备,其中,该方法包括:接收联邦学习服务端下发的针对目标图神经网络模型的模型参数更新指令,所述模型参数更新指令携带有第一共享参数,所述目标图神经网络模型为多个所述联邦学习客户端的共有模型;基于所述第一共享参数、本地存储的第一独立参数,以及由本地用户私有数据构建的图谱数据,对所述目标图神经网络模型进行训练,得到训练后的所述目标图神经网络模型的模型参数;将所述第二共享参数发送给所述联邦学习服务端,以使所述联邦学习服务端基于多个联邦学习客户端发送的第二共享参数,对所述目标图神经网络模型的第一共享参数进行更新处理。

Patent Agency Ranking