-
公开(公告)号：CN118364047A
公开(公告)日：2024-07-19
申请号：CN202410386476.7
申请日：2024-04-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/33 , G06F16/332 , G06F16/35 , G06F40/295 , G06F40/30 , G06F40/284 , G06V30/19 , G06V10/82 , G06N3/09 , G06N3/045
Abstract: 本说明书实施例公开了一种实体关系提取模型训练、实体关系提取方法、装置及设备。实体可以是身份性的个人信息。获取多个文本样本及其样本标签；其中，每个文本样本包括按序排列的若干文本单元，每个文本样本的样本标签表示该文本样本中每个文本单元是否实际属于实体，以及文本单元所属的实体之间是否实际存在预定义的关联关系；以每个文本样本为模型输入，以每个文本样本的关系提取结果为模型输出，根据每个文本样本的样本标签训练所述实体关系提取模型。
-
公开(公告)号：CN114841664A
公开(公告)日：2022-08-02
申请号：CN202210489685.5
申请日：2022-05-06
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多任务处理顺序确定方法及装置。所述方法包括：获取任务关系图；其中，以需要确定处理顺序的不同任务为任务关系图中的不同节点；任务关系图中每个边的权重，与该边所连接的两个任务对应的节约时长负相关；基于人工智能模型，确定任务关系图中每条边属于任务关系图的权重和最小路径的概率；预先根据图样本和图样本中每条边对应的标签训练人工智能模型，每条边对应的标签用于表征该边属于或不属于图样本的权重和最小路径；根据所确定的每条边的概率，从不重复地经过任务关系图中各个节点的所有可能路径中，确定出达标路径；根据所述达标路径中各个任务的连接关系，确定各个任务的处理顺序。
-
公开(公告)号：CN112312304B
公开(公告)日：2022-05-17
申请号：CN202011176727.7
申请日：2020-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陆金星
Abstract: 本说明书实施例提供一种在基于无线接入点定位过程中的位置隐私保护方法、装置及电子设备，根据该方法，首先，获取当前定位事件中用户设备上传的当前Wi‑Fi指纹，当前Wi‑Fi指纹包括用户设备当前搜索到的多个当前AP及各自对应的信号强度；然后，获取预先基于历史Wi‑Fi指纹集合构建的目标异构图；基于当前Wi‑Fi指纹和目标异构图生成目标匿名指纹集合，提供目标匿名指纹集合，用于进行当前定位事件的定位。如此使得目标匿名指纹集合中的多组虚拟Wi‑Fi指纹与真实的当前Wi‑Fi指纹更加难以区分，从而提高了定位过程中位置隐私保护的强度。
-
公开(公告)号：CN118428456A
公开(公告)日：2024-08-02
申请号：CN202410524677.9
申请日：2024-04-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/10 , G06N3/082 , G06N3/0495 , G06N3/045
Abstract: 本说明书公开了一种模型部署方法、装置、存储介质及电子设备。该模型部署的方法包括：获取训练各原始模型的各原始训练样本集，并将各原始训练样本集进行合并，得到合并训练样本集；针对合并训练样本集中包含的每个训练样本，将该训练样本输入到待训练的合并模型以及各原始模型中，以获得待训练的合并模型输出得针对该训练样本的待验证结果和各原始模型分别输出的针对该训练样本的原始输出结果，最后，以最小化该训练样本对应的标签结果与该训练样本对应的待验证结果之间的偏差，以及最小化该训练样本对应的各原始输出结果与该训练样本对应的待验证结果之间的偏差为优化目标，对合并模型进行训练，并将训练后的合并模型替换各原始模型进行部署。
-
公开(公告)号：CN117786107A
公开(公告)日：2024-03-29
申请号：CN202311754776.8
申请日：2023-12-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F18/214 , G06F18/241 , G06N3/045 , G06N3/096
Abstract: 本说明书公开了一种文本分类模型的训练方法、装置、介质及电子设备，所述方法包括：确定文本样本和以及确定预先训练的若干教师模型。再按照各教师模型的参数量从小到大的顺序，依次针对每个教师模型，将文本样本输入该教师模型，确定伪标结果，以及将文本样本输入待训练的学生模型，确定分类结果，至少根据基于该教师模型得到的伪标结果以及分类结果，对待训练的学生模型进行训练。之后，将训练完成的学生模型作为文本分类模型。通过各教师指导学生模型训练，提高文本分类模型的文本表征能力和分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN112668693A
公开(公告)日：2021-04-16
申请号：CN202011398067.7
申请日：2020-12-03
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用于检测异常的业务指标的方法和装置。根据实施例的方法，首先将获取的业务指标的原始时间序列数据输入到已训练的神经网络中，由于该已训练的神经网络为从前向后传播的神经网络，且包括一个输入节点和一个输出节点，在训练阶段的目标损失函数包括正则化项，因此可以得到剔除异常值的目标时间序列数据，这提高了目标时间序列数据的准确性；然后可以获得更为准确的原始时间序列数据与目标时间序列数据的残差，从而基于对残差的异常检测结果，可以得到更为准确的异常的业务指标。由于以上方案不需要针对时间序列进行多次参数迭代和人工校准来提高准确率，因此可以提高业务指标异常检测的普适性。
-
公开(公告)号：CN112312304A
公开(公告)日：2021-02-02
申请号：CN202011176727.7
申请日：2020-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陆金星
Abstract: 本说明书实施例提供一种在基于无线接入点定位过程中的位置隐私保护方法、装置及电子设备，根据该方法，首先，获取当前定位事件中用户设备上传的当前Wi‑Fi指纹，当前Wi‑Fi指纹包括用户设备当前搜索到的多个当前AP及各自对应的信号强度；然后，获取预先基于历史Wi‑Fi指纹集合构建的目标异构图；基于当前Wi‑Fi指纹和目标异构图生成目标匿名指纹集合，提供目标匿名指纹集合，用于进行当前定位事件的定位。如此使得目标匿名指纹集合中的多组虚拟Wi‑Fi指纹与真实的当前Wi‑Fi指纹更加难以区分，从而提高了定位过程中位置隐私保护的强度。
-
公开(公告)号：CN114841664B
公开(公告)日：2025-03-25
申请号：CN202210489685.5
申请日：2022-05-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06F18/23213
Abstract: 本说明书实施例公开了一种多任务处理顺序确定方法及装置。所述方法包括：获取任务关系图；其中，以需要确定处理顺序的不同任务为任务关系图中的不同节点；任务关系图中每个边的权重，与该边所连接的两个任务对应的节约时长负相关；基于人工智能模型，确定任务关系图中每条边属于任务关系图的权重和最小路径的概率；预先根据图样本和图样本中每条边对应的标签训练人工智能模型，每条边对应的标签用于表征该边属于或不属于图样本的权重和最小路径；根据所确定的每条边的概率，从不重复地经过任务关系图中各个节点的所有可能路径中，确定出达标路径；根据所述达标路径中各个任务的连接关系，确定各个任务的处理顺序。
-
公开(公告)号：CN118469010A
公开(公告)日：2024-08-09
申请号：CN202410139966.7
申请日：2024-01-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N3/0455 , G06N3/096 , G06F18/22
Abstract: 本说明书实施例公开了一种模型的安全防护方法、装置及设备，该方法包括：获取用户输入到目标语言模型中的问题数据，然后，可以将该问题数据输入到文本编码器中，得到该问题数据对应的问题表征，之后，可以获取针对目标语言模型的一个或多个不同的风险标签中每个风险标签对应的标签表征，该标签表征是在每个风险标签中添加辅助信息后，通过文本编码器生成的表征，最终，可以基于该问题表征与每个风险标签对应的标签表征之间的相似度，确定该问题数据对应的风险标签，并基于该问题数据对应的风险标签执行针对目标语言模型的风险防控处理。
-
公开(公告)号：CN116521864A
公开(公告)日：2023-08-01
申请号：CN202310327646.X
申请日：2023-03-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F18/40 , G06F18/214
Abstract: 本说明书实施例公开了一种用于文本类模型的精调阶段蒸馏方法，包括：获取训练集样本以及经过预训练的教师模型，所述教师模型包括多个隐藏层；在所述教师模型的多个隐藏层中选择至少两个指定层进行聚合，得到聚合后隐藏层；根据所述聚合后隐藏层和教师模型中的剩余非指定层生成学生模型；采用教师模型蒸馏学生模型；将蒸馏后的学生模型重新作为教师模型，直至无法从教师模型中选择出至少两个指定层时，将此时的教师模型作为目标模型。相应地，本说明实施例还公开了用于文本类模型的精调阶段蒸馏装置。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
