-
公开(公告)号：CN111460171B
公开(公告)日：2023-04-07
申请号：CN202010238154.X
申请日：2020-03-30
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服务方的目标用户识别方法及装置，在识别方法中，获取知识图谱，该知识图谱包括多个节点，其中的每个节点代表一个实体并对应于一个实体向量。多个节点中，具有关联关系的节点通过连接边连接，其中的每个连接边对应于一个关联向量。对于知识图谱中任一第一类服务方的第一节点，在识别其目标用户时，在知识图谱中，确定出第二类服务方的第二节点以及第二类服务方的目标用户的第三节点。基于第一节点的实体向量以及第二节点与第三节点的连接边的关联向量，确定参照实体向量。计算参照实体向量与各个人用户的节点的实体向量之间的距离。基于距离，选取目标节点，并将目标节点所代表的个人用户作为第一类服务方的目标用户。
-
公开(公告)号：CN111539228A
公开(公告)日：2020-08-14
申请号：CN202010358085.6
申请日：2020-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/49 , G06F40/126 , G06F40/205 , G06F40/237
Abstract: 本说明书实施例提供了向量模型训练方法及装置、相似度确定方法及装置，其中，所述向量模型训练方法包括获取多语种语料库中每种语言语料对应的初始词集合，且将每种语言语料对应的初始词集合转译为统一编码格式的转译词集合；将所述转译词集合中的每个转译词按照预设字符长度进行拆分，形成每个转译词的字符集合；为每个字符确定对应的字符向量以及为每个初始词确定对应的词向量；基于所述字符以及所述字符对应的字符向量、所述初始词以及所述初始词对应的词向量对初始向量模型进行高效的训练，得到精确的向量模型。
-
公开(公告)号：CN111310475A
公开(公告)日：2020-06-19
申请号：CN202010079725.X
申请日：2020-02-04
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 钱隽夫
IPC: G06F40/30 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种词义消歧模型的训练方法及装置，在训练方法中，获取词语共现图和语义关联图。从训练文本中选取第一词语。获取对应于第一词语的正例样本和负例样本。计算训练文本中各词语与各语义关联图中各节点所代表词语的相似度，并基于相似度，选取目标关联图。基于目标关联图，确定第一词语的语义向量，并基于词语共现图，确定其它词语的词向量。基于确定的语义向量和词向量，利用编码器编码。基于词语共现图，确定两个样本中各词语的词向量。根据确定的词向量，利用编码器编码。基于编码结果，计算训练文本与正例样本的第一文本距离，以及计算训练文本与负例样本的第二文本距离。以第一文本距离小于第二文本距离为目标，训练编码器。
-
公开(公告)号：CN111460171A
公开(公告)日：2020-07-28
申请号：CN202010238154.X
申请日：2020-03-30
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服务方的目标用户识别方法及装置，在识别方法中，获取知识图谱，该知识图谱包括多个节点，其中的每个节点代表一个实体并对应于一个实体向量。多个节点中，具有关联关系的节点通过连接边连接，其中的每个连接边对应于一个关联向量。对于知识图谱中任一第一类服务方的第一节点，在识别其目标用户时，在知识图谱中，确定出第二类服务方的第二节点以及第二类服务方的目标用户的第三节点。基于第一节点的实体向量以及第二节点与第三节点的连接边的关联向量，确定参照实体向量。计算参照实体向量与各个人用户的节点的实体向量之间的距离。基于距离，选取目标节点，并将目标节点所代表的个人用户作为第一类服务方的目标用户。
-
公开(公告)号：CN111489168A
公开(公告)日：2020-08-04
申请号：CN202010306216.6
申请日：2020-04-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种目标对象的风险识别方法、装置和处理设备。一个方法实施例中，可以按照一定的更新频率获取模型的训练数据中的相对固定的数据，再结合实时的特征数据一同输入模型进行模型的局部更新，进而可以实现模型的实时更新。利用本说明书实施例的风险识别模型，可以提高训练效率和模型的更新速度，提升模型的预测效率和预测效果。
-
Patent Agency Ranking
公开(公告)号：CN111539228B
公开(公告)日：2023-08-08
申请号：CN202010358085.6
申请日：2020-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/49 , G06F40/126 , G06F40/205 , G06F40/237
Abstract: 本说明书实施例提供了向量模型训练方法及装置、相似度确定方法及装置，其中，所述向量模型训练方法包括获取多语种语料库中每种语言语料对应的初始词集合，且将每种语言语料对应的初始词集合转译为统一编码格式的转译词集合；将所述转译词集合中的每个转译词按照预设字符长度进行拆分，形成每个转译词的字符集合；为每个字符确定对应的字符向量以及为每个初始词确定对应的词向量；基于所述字符以及所述字符对应的字符向量、所述初始词以及所述初始词对应的词向量对初始向量模型进行高效的训练，得到精确的向量模型。
-
公开(公告)号：CN112200592B
公开(公告)日：2023-03-21
申请号：CN202011156055.3
申请日：2020-10-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/018 , G06N20/00
Abstract: 本说明书实施例提供一种空壳公司识别方法、装置及设备。方法包括：构建公司的多维特征，并采用集成学习模型和深度学习模型相结合的方式进行空壳公司的识别，包括先使用集成学习模型生成多维特征的特征编码序列，再将多维特征与特征编码序列一并作为深度学习模型的输入，从而准确识别空壳公司。
-
公开(公告)号：CN112328802A
公开(公告)日：2021-02-05
申请号：CN202011062803.1
申请日：2020-09-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供了数据处理方法、装置和服务器。在一个实施例中，上述数据处理方法通过先根据基于与目标企业相关的业务数据所构建的目标企业的知识图谱，确定出待预测是否存在预设关系的第一目标对象和第二目标对象之间的多个路径；再通过调用预设的处理模型处理上述多个路径，根据模型输出确定出第一目标对象与第二目标对象是否存在预设关系作为处理结果，同时还能确定并利用与上述处理结果关联的目标路径，作为针对处理结果的解释数据。从而可以在确定出第一目标对象和第二目标对象是否存在预设关系这一处理结果的同时，得到较为准确、合理，且参考价值较高的关于该处理结果的解释数据。
-
公开(公告)号：CN111383116A
公开(公告)日：2020-07-07
申请号：CN202010470522.3
申请日：2020-05-28
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用于确定交易关联性的方法及装置，在该方法中，从主体特征向量集中获取交易所涉及的交易发起方主体和交易接收方主体的主体特征向量，从关系特征向量集中获取交易发起方主体和交易接收方主体之间的关系特征向量，主体特征向量集和关系特征向量集属于同一向量空间，主体特征向量集和关系特征向量集基于知识图谱确定。再基于所获取的主体特征向量和关系特征向量来确定交易的交易关联性。
-
公开(公告)号：CN111583037B
公开(公告)日：2023-04-07
申请号：CN202010361597.8
申请日：2020-04-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06Q10/0635 , G06F16/245 , G06F16/28
Abstract: 本说明书提供了风险关联对象的确定方法、装置和服务器。在一个实施例中，上述风险关联对象的确定方法可以预先根据多个数据对象的股权关系数据，基于生成森林数据结构建立得到的对应的股权关系图；在具体确定目标对象是否是黑名单的风险关联对象时，可以根据目标对象和黑名单，来检索扫描上述基于生成森林数据结构的股权关系图，快速地得到对应的检索结果；再根据检索结果，确定出目标对象是否为黑名单的风险关联对象。从而可以有效地降低处理过程中所涉及的数据处理量和数据处理的复杂度，提高了数据处理效率，以能高效、准确地判断出目标对象是否为黑名单的风险关联对象。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.024 seconds)
