-
Patent Agency Ranking
公开(公告)号：CN115828162B
公开(公告)日：2023-07-07
申请号：CN202310137411.4
申请日：2023-02-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/25
Abstract: 本说明书公开了一种分类模型训练的方法、装置、存储介质及电子设备，在本说明书提供的方法中，先获得每种模态类型的信息的单模态分类结果，作为第一分类结果，然后将各模态类型的信息输入待训练的多模态分类模型，确定各模态类型的信息的特征与各特征的融合特征，并根据融合特征确定所述训练样本的分类结果，作为第二结果，根据所述第一分类结果、第二分类结果、所述标注确定各模态类型对应的损失，根据各模态类型对应的损失确定共同损失，根据共同结果调整待训练的多模态分类模型的参数，得到训练后的多模态分类模型。从上述方法中可以看出，根据本方法训练得到的多模态分类模型能够准确的根据多模态类型的信息进行分类。
-
公开(公告)号：CN115545572A
公开(公告)日：2022-12-30
申请号：CN202211508347.8
申请日：2022-11-29
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风控的方法、装置、设备及存储介质，可以通过双塔模型的第一特征提取子网，提取出用户的业务数据的第一特征，从而可以从通过双塔模型的第二特征提取子网提取出的各历史业务数据的第二特征中，匹配出参考特征，进而可以根据参考特征对应的历史业务数据的风控结果对用户的业务进行风控。
-
公开(公告)号：CN115600106A
公开(公告)日：2023-01-13
申请号：CN202211276933.4
申请日：2022-10-18
Applicant: 支付宝(杭州)信息技术有限公司(CN)
IPC: G06F18/214 , G06F18/24 , G06F18/22 , G06Q20/40
Abstract: 本说明书公开了一种风险识别模型的训练方法、装置、设备及存储介质，将训练样本输入待训练的风险识别模型，通过特征子网得到训练样本的第一特征，根据全连接层中的各参数对第一特征进行线性变换得到第二特征，通过分类子网得到训练样本的分类结果。以训练样本的标签以及分类结果之间的差异最小化，以及全连接层的各参数之间的相似性的最大化为训练目标，训练风险识别模型。可见，通过在训练目标中增加全连接层的各参数之间的相似性的最大化，能够使得训练后的风险识别模型不仅能够直接输出事件的风险类型，还可以通过表征子网输出的事件的特征适应于基于数据库的特征检索，扩展了风险识别的应用场景，提高了风险识别的准确性以及隐私的保护性。
-
公开(公告)号：CN115545572B
公开(公告)日：2023-03-21
申请号：CN202211508347.8
申请日：2022-11-29
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风控的方法、装置、设备及存储介质，可以通过双塔模型的第一特征提取子网，提取出用户的业务数据的第一特征，从而可以从通过双塔模型的第二特征提取子网提取出的各历史业务数据的第二特征中，匹配出参考特征，进而可以根据参考特征对应的历史业务数据的风控结果对用户的业务进行风控。
-
公开(公告)号：CN115828162A
公开(公告)日：2023-03-21
申请号：CN202310137411.4
申请日：2023-02-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/25
Abstract: 本说明书公开了一种分类模型训练的方法、装置、存储介质及电子设备，在本说明书提供的方法中，先获得每种模态类型的信息的单模态分类结果，作为第一分类结果，然后将各模态类型的信息输入待训练的多模态分类模型，确定各模态类型的信息的特征与各特征的融合特征，并根据融合特征确定所述训练样本的分类结果，作为第二结果，根据所述第一分类结果、第二分类结果、所述标注确定各模态类型对应的损失，根据各模态类型对应的损失确定共同损失，根据共同结果调整待训练的多模态分类模型的参数，得到训练后的多模态分类模型。从上述方法中可以看出，根据本方法训练得到的多模态分类模型能够准确的根据多模态类型的信息进行分类。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
