Recherche dans les collections de brevets nationales et internationales

1. (WO2018166457) PROCÉDÉ ET DISPOSITIF D’APPRENTISSAGE DE MODÈLE DE RÉSEAU NEURONAL, PROCÉDÉ ET DISPOSITIF D’IDENTIFICATION DE RISQUE DE COMPORTEMENT DE TRANSACTION

Pub. No.:    WO/2018/166457    International Application No.:    PCT/CN2018/078906
Publication Date: Fri Sep 21 01:59:59 CEST 2018 International Filing Date: Thu Mar 15 00:59:59 CET 2018
IPC: G06N 3/08
G06K 9/62
Applicants: ALIBABA GROUP HOLDING LIMITED
阿里巴巴集团控股有限公司
LI, Longfei
李龙飞
ZHOU, Jun
周俊
LI, Xiaolong
李小龙
Inventors: LI, Longfei
李龙飞
ZHOU, Jun
周俊
LI, Xiaolong
李小龙
Title: PROCÉDÉ ET DISPOSITIF D’APPRENTISSAGE DE MODÈLE DE RÉSEAU NEURONAL, PROCÉDÉ ET DISPOSITIF D’IDENTIFICATION DE RISQUE DE COMPORTEMENT DE TRANSACTION
Abstract:
La présente invention concerne un procédé et un dispositif d’apprentissage de modèle de réseau neuronal ainsi qu’un procédé et un dispositif d’identification de risque de comportement de transaction. Le procédé d’apprentissage de modèle de réseau neuronal comprend : l’entrée d’une pluralité d’éléments de données d’échantillon précollectées dans un arbre de décision à amplification de gradient (GBDT) de sorte à déterminer des informations de chemin dans le GBDT correspondant à chaque élément de données d’échantillon (S110) ; et selon les informations de chemin dans le GBDT correspondant à chaque élément de données d’échantillon et selon une étiquette d’échantillon, effectuer l’apprentissage d’un modèle de réseau neuronal (S120). Le procédé détermine en premier les informations de chemin selon le GBDT, et ensuite effectue un apprentissage des modèles de réseau neuronal selon les informations de chemin et selon l’étiquette d’échantillon. Il est connu à partir des caractéristiques propres au GBDT qu’un certain élément des informations de chemin comprend en général des informations multidimensionnelles des données d’échantillon. Ainsi, la présente invention peut améliorer l’efficacité d’apprentissage du modèle de réseau neuronal.