-
公开(公告)号：CN117972158A
公开(公告)日：2024-05-03
申请号：CN202410145795.9
申请日：2024-02-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/903 , G06F21/62
Abstract: 本说明书公开了一种信息匹配的方法、装置、存储介质以及电子设备，通过将目标信息对应的各子目标加密信息与待匹配信息对应的各子待匹配加密信息之间进行两两比对，从而得到各子目标加密信息与各子待匹配加密信息的比对结果。然后，根据比对结果确定出目标信息与待匹配信息之间相同部分的最长字符串长度，进而根据最长字符串长度，确定出目标信息与待匹配信息之间的编辑距离大小，从而确定出对应的信息匹配结果。通过本方法可以成功实现在保护信息隐私的前提下对各信息之间进行信息匹配，在针对有着严格隐私保护要求的信息进行相似匹配和查询时，可以有效防止隐私信息的具体内容的外漏，从而极大程度上保障了隐私信息所属用户或机构的信息安全。
-
公开(公告)号：CN117933368A
公开(公告)日：2024-04-26
申请号：CN202410140527.8
申请日：2024-01-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种大模型联邦学习方法、装置、存储介质及电子设备。在本说明书提供的大模型联邦学习方法中，针对每个参与联邦学习的客户端，接收该客户端在训练该客户端的目标大模型后发送的增量参数，该客户端的模型参数由原始参数和增量参数构成，增量参数的量级小于原始参数的量级，在训练目标大模型时，原始参数不变，增量参数改变；采用各客户端的增量参数对该客户端的增量参数进行聚合，得到该客户端的聚合参数；将聚合参数返回给该客户端，使该客户端根据聚合参数更新该客户端的增量参数，根据原始参数和更新后的增量参数重新确定模型参数，并采用重新确定的模型参数重新对目标大模型进行训练，直到目标大模型收敛。
-
公开(公告)号：CN114003648B
公开(公告)日：2024-04-26
申请号：CN202111223443.3
申请日：2021-10-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请提供了一种风险交易团伙的识别方法、装置、电子设备与存储介质。所述方法可以包括：获取团伙模板图；构建与待识别的多个用户对象对应的用户角色关系图；所述用户角色关系图包括分别与一种用户角色对应的多个超点，以及指示所述多个超点之间的关联关系的边；所述超点包括由具有与该超点对应的用户角色的多个用户对象构成的用户对象集合；将所述团伙模板图与所述用户角色关系图进行子图匹配，在所述用户角色关系图中查找与所述团伙模板图结构相同的用户角色关系子图；如果在所述用户角色关系图中查找到了与所述团伙模板图结构相同的用户角色关系子图，将所述用户角色关系子图中的各超点包括的用户对象集合内的用户对象识别为同一团伙。
-
公开(公告)号：CN117709481A
公开(公告)日：2024-03-15
申请号：CN202311714157.6
申请日：2023-12-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06N3/0455 , G06Q40/04
Abstract: 本说明书实施例公开了一种强化学习方法、装置及设备，该方法包括：通过获取当前时刻的环境信息和当前时刻的环境信息对应的环境下的状态信息，以及基于环境信息和状态信息，通过强化学习的智能体生成的决策信息，然后，分别将状态信息和决策信息分别输入到一个或多个不同的状态预测模型中，得到每个状态预测模型输出的下一时刻的预测状态信息，之后，可以基于每个状态预测模型输出的下一时刻的预测状态信息，确定决策信息对应的辅助反馈信息，最终，可以基于决策信息对应的辅助反馈信息和依据智能体对应决策策略所选择的决策信息而获得到的反馈信息，对智能体对应的决策策略进行更新，以对智能体进行强化学习。
-
公开(公告)号：CN111581950B
公开(公告)日：2024-01-02
申请号：CN202010361585.5
申请日：2020-04-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/247 , G06F40/30 , G06F16/33 , G06F16/36 , G06Q10/0635 , G06Q40/04
Abstract: 为准确、全面地挖掘出目标对象的同义名称词。本说明书提供了同义名称词的确定方法和同义名称词的知识库的建立方法。在一个实施例中，同义名称词的确定方法通过先获取包含有目标对象的第一名称词的第一语料数据，以及与第一语料数据关联的第二语料数据；再通过根据预设的处理规则对上述语料数据进行基于自然语言理解的多组预设处理，得到处理后的语料数据；进而可以利用上述处理后的语料数据，通过确定并利用文本数据的正则表达式，以及文本数
-
Patent Agency Ranking
公开(公告)号：CN117171706A
公开(公告)日：2023-12-05
申请号：CN202311214004.5
申请日：2023-09-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25 , G06F40/30 , G06V30/16 , G06Q10/0635
Abstract: 本说明书公开了一种业务风控方法、装置、存储介质及电子设备，可以通过特征提取模型的第一编码层提取出待风控对象的业务数据的语义、字音、字形等模态上的特征，并可以将提取出的待风控对象的各模态特征进行融合，得到融合后的特征，从而可以基于融合后的特征进行业务风控，进而可以避免风险用户对自身的用户信息进行语义、字音、字形上的部分修改后无法被有效识别的情况发生。
-
公开(公告)号：CN116720589A
公开(公告)日：2023-09-08
申请号：CN202310615238.4
申请日：2023-05-29
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模型的处理方法、装置及设备，该方法包括：构建针对目标业务的语义树，基于语义树构建目标业务对应的业务图谱，业务图谱由节点和边构成；获取目标业务中产生的历史业务数据，基于历史业务数据，确定历史业务数据对应的第一业务子图，并基于第一业务子图，通过预设的数据增强规则生成第二业务子图，第一业务子图和第二业务子图是分别包含于业务图谱中的子图谱；基于目标业务对应的业务图谱，使用第一业务子图和第二业务子图，并通过基于第一业务子图和第二业务子图中的每个业务子图分别与每个业务子图进行对比的对比学习方式对图结构模型进行模型训练，得到训练后的图结构模型。
-
公开(公告)号：CN115526266B
公开(公告)日：2023-08-29
申请号：CN202211272252.0
申请日：2022-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供了一种神经网络模型的训练方法及装置、业务预测方法及装置。在训练神经网络模型时，根据历史业务数据，获取训练样本数据；在每一轮训练中均执行：将训练样本数据输入所述神经网络模型中，以对所述神经网络模型中每一个参数的参数值进行调整；以及检测本轮训练是否满足参数获取条件，如果是，则记录本轮训练得到的神经网络模型中每一个参数的当前参数值；在各轮训练结束后，针对神经网络模型的每一个参数，根据记录的该参数的至少一个当前参数值，得到该参数对应的最终参数值；将神经网络模型中每一个参数的参数值设置为该参数对应的最终参数值。本说明书实施例能够更好地利用神经网络模型来进行业务预测，并且减少对系统资源的消耗。
-
公开(公告)号：CN116629381A
公开(公告)日：2023-08-22
申请号：CN202310613933.7
申请日：2023-05-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种联邦迁移学习方法、装置、存储介质及电子设备。在本说明书提供的联邦迁移学习方法中，确定与第二参与方的共有样本对象，作为目标样本对象；将所述目标样本对象在所述第一参与方的第一数据输入待训练的第一提取子网，获得所述第一提取子网输出的待优化特征；将所述待优化特征发送给第三方服务器，以使所述第三方服务器确定所述待优化特征与标准特征之间的特征损失，其中，所述标准特征是所述第二参与方将所述目标样本对象在所述第二参与方的第二数据输入预先训练的第二提取子网得到并发送给所述第三方服务器的；接收所述第三方服务器返回的特征损失，并采用所述特征损失训练所述第一提取子网。
-
公开(公告)号：CN111310456B
公开(公告)日：2023-06-20
申请号：CN202010090933.X
申请日：2020-02-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/284 , G06F40/295 , G06F40/30 , G06N3/048 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/09 , G06N20/00 , G06Q40/04
Abstract: 本说明书实施例提供一种实体名称匹配方法、装置及设备。方案包括：获取待匹配实体名称；对待匹配实体名称进行分词，并将分词映射为向量，得到待匹配实体名称的词向量；采用基于自注意力机制的特征抽取器对每个词向量进行特征抽取，得到第一特征向量；再采用训练完成的条件随机场模型对第一特征向量进行序列标注，得到携带有域标签的第二特征向量，将第二特征向量输入到实体匹配模型中，得到匹配结果。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.038 seconds)
