-
公开(公告)号：CN114971742A
公开(公告)日：2022-08-30
申请号：CN202210756065.3
申请日：2022-06-29
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用户分类模型的训练、用户分类处理的方法及装置，用户分类模型包括图神经网络、第一分类网络和第二分类网络，该用户分类模型的训练方法包括：获取样本用户，其具有标签数据；在用户关系网络图中，以样本用户为目标节点，利用图神经网络对目标节点进行聚合；将所得的用户表征输入第一分类网络和第二分类网络，得到第一预测值和第二预测值，第一预测值表征样本用户属于由第一类用户和第二类用户构成的第一用户群的概率，第二预测值表征样本用户属于由第二类用户和第三类用户构成的第二用户群的概率；基于第一预测值和/或第二预测值，及标签数据，确定当前损失值；以最小化当前损失值为目标，调整用户分类模型的参数。
-
公开(公告)号：CN111382410A
公开(公告)日：2020-07-07
申请号：CN202010206013.X
申请日：2020-03-23
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刷脸验证方法。该方法可以包括从刷脸机具获取刷脸图像；基于所述刷脸图像，确定候选用户；获取反映所述候选用户与所述刷脸机具之间历史关联的历史关联特征；通过刷脸验证模型，至少基于所述历史关联特征，确定所述刷脸图像与所述候选用户的相关度；以及基于所述相关度，确定所述刷脸图像的刷脸验证结果。
-
公开(公告)号：CN112528110A
公开(公告)日：2021-03-19
申请号：CN202011429718.4
申请日：2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/906 , G06F16/35 , G06K9/62 , G06N3/04
Abstract: 本说明书实施例提供一种确定实体业务属性的方法，一方面，利用时序神经网络处理待预测实体在不同历史时间点的表达向量，考虑待预测实体状态的时序特征，另一方面，单个历史时间点的表达向量基于按照相应的实体状态确定的关系网络，进行邻居节点的节点向量聚合，充分考虑与预测实体相关联的其他实体对预测实体状态的影响，从而对预测实体产生具有更好的表达能力的表达向量。通过这种对具有更好的表达能力的表达向量的分析，可以提高对实体的预定业务属性预测的准确度。
-
公开(公告)号：CN114971742B
公开(公告)日：2024-10-22
申请号：CN202210756065.3
申请日：2022-06-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0203 , G06Q30/0207 , G06Q30/0601
Abstract: 本说明书实施例提供一种用户分类模型的训练、用户分类处理的方法及装置，用户分类模型包括图神经网络、第一分类网络和第二分类网络，该用户分类模型的训练方法包括：获取样本用户，其具有标签数据；在用户关系网络图中，以样本用户为目标节点，利用图神经网络对目标节点进行聚合；将所得的用户表征输入第一分类网络和第二分类网络，得到第一预测值和第二预测值，第一预测值表征样本用户属于由第一类用户和第二类用户构成的第一用户群的概率，第二预测值表征样本用户属于由第二类用户和第三类用户构成的第二用户群的概率；基于第一预测值和/或第二预测值，及标签数据，确定当前损失值；以最小化当前损失值为目标，调整用户分类模型的参数。
-
公开(公告)号：CN111444350B
公开(公告)日：2024-06-18
申请号：CN202010200278.9
申请日：2020-03-20
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 王岱鑫
IPC: G06F16/36 , G06F18/214 , G06Q50/00
Abstract: 一种预测用户的身份标签的方法包括：获取待预测用户的身份特征；其中，所述身份特征包括指示与其他用户存在社交关系的社交关系特征；将所述待预测用户的身份特征，输入至训练完成的图模型，以将所述待预测用户的身份特征与其他存在社交关系的用户的身份特征进行特征融合得到融合特征；其中，所述图模型包括与若干有身份标签用户和若干无身份标签用户的身份特征对应的节点；所述节点之间按照所述有身份标签用户和所述无身份标签用户之间的社交关系进行链接；将所述融合特征，输入训练完成的分类器中进行计算，得到所述待预测用户的身份标签；其中，所述分类器为将若干有身份标签用户和若干无身份标签用户的身份特征作为训练样本训练得到。
-
Patent Agency Ranking
公开(公告)号：CN111291138B
公开(公告)日：2023-07-18
申请号：CN202010108787.9
申请日：2020-02-21
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 王岱鑫
Abstract: 本说明书实施例提供一种更新关系网络的方法和装置，可以基于当前节点与其一阶邻居节点之间的连接边的权重，通过采样方式选择节点，并以递进方式一阶一阶向当前节点的高阶邻居节点进行采样，从而采样出可信的与当前节点相关联的高阶邻居节点，并将它们确定为当前节点的一阶邻居节点，以更新当前关系网络。如此，可以使得在通过图神经网络等机器学习方式处理关系网络时，充分利用节点之间的高阶关系，提升关系网络针对当前节点的表达能力，获取更有效的处理结果。
-
公开(公告)号：CN111737546A
公开(公告)日：2020-10-02
申请号：CN202010724053.3
申请日：2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/906 , G06F16/35 , G06K9/62 , G06N3/04
Abstract: 本说明书实施例提供一种确定实体业务属性的方法，一方面，利用时序神经网络处理待预测实体在不同历史时间点的表达向量，考虑待预测实体状态的时序特征，另一方面，单个历史时间点的表达向量基于按照相应的实体状态确定的关系网络，进行邻居节点的节点向量聚合，充分考虑与预测实体相关联的其他实体对预测实体状态的影响，从而对预测实体产生具有更好的表达能力的表达向量。通过这种对具有更好的表达能力的表达向量的分析，可以提高对实体的预定业务属性预测的准确度。
-
公开(公告)号：CN111444350A
公开(公告)日：2020-07-24
申请号：CN202010200278.9
申请日：2020-03-20
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 王岱鑫
Abstract: 一种预测用户的身份标签的方法包括：获取待预测用户的身份特征；其中，所述身份特征包括指示与其他用户存在社交关系的社交关系特征；将所述待预测用户的身份特征，输入至训练完成的图模型，以将所述待预测用户的身份特征与其他存在社交关系的用户的身份特征进行特征融合得到融合特征；其中，所述图模型包括与若干有身份标签用户和若干无身份标签用户的身份特征对应的节点；所述节点之间按照所述有身份标签用户和所述无身份标签用户之间的社交关系进行链接；将所述融合特征，输入训练完成的分类器中进行计算，得到所述待预测用户的身份标签；其中，所述分类器为将若干有身份标签用户和若干无身份标签用户的身份特征作为训练样本训练得到。
-
公开(公告)号：CN111222026A
公开(公告)日：2020-06-02
申请号：CN202010023203.8
申请日：2020-01-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/906 , G06N3/04
Abstract: 本说明书实施例公开了一种用户类别识别模型的训练方法和用户类别识别方法，训练方法包括：将样本用户的联系人列表输入用户类别计算模型，以生成样本用户属于预设类别的概率。将样本用户对应的软件特征，和样本用户属于预设类别的概率，输入用户类别识别模型，以生成样本用户的识别结果。根据样本用户的识别结果和样本用户的类别标签，对用户类别识别模型中的参数，以及样本用户的常用软件列表中每个常用软件对应的软件特征进行优化。当满足预设条件时，完成对用户类别识别模型的训练。由此，使得训练完的用户类别识别模型能够在用户信息不充分的情况下，基于待识别用户的联系人列表和对应的软件特征，实现用户类别识别。
-
公开(公告)号：CN119311972A
公开(公告)日：2025-01-14
申请号：CN202410985093.1
申请日：2024-07-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/955 , G06F18/214 , G06F18/2415 , G06F18/243
Abstract: 本说明书提供链接预测方法及装置、程序产品、设备和存储介质，方法包括：确定第一对象的子图内表征第一对象的节点，和第二对象的子图内表征第二对象的节点的共同邻节点，其中，第一对象的子图和第二对象的子图均包括多个节点和多个连边，每个节点表征一个对象，任两个节点之间的连边表征该两个节点所表征的对象之间具有交集；若表征第一对象和第二对象的节点的共同邻节点的数量小于数量阈值，在第一节点的子图和第二节点的子图之间添加至少一条连边，以使表征第一对象和第二对象的共同邻节点的数量不小于数量阈值；将所述第一对象的子图和所述第二对象的子图输入至业务模型，以确定所述第一对象和所述第二对象之间是否具有交集。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.028 seconds)
