“萧梓健”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果11个，建议您升级VIP下载更多相关专利

[发明专利]基于埋点层级的嵌入向量生成方法、装置、设备及介质-CN202011045397.8有效
发明人： 萧梓健;杜宇衡 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-09-28 - 公布日： 2023-09-26 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及人工智能领域，提供一种基于埋点层级的嵌入向量生成方法、装置、设备及介质，能够对字典树进行融合处理，得到层级树结构，既保留了埋点数据的层级信息，又确保了各层级具有整体意义，将相同前缀的埋点放在同一分支下，较好的刻画了相同前缀埋点的相似性，并结合网络训练实现对层级树的自动构建，获取待处理埋点数据，以所述待处理埋点数据在目标层级树中进行查询，得到目标嵌入向量，进而基于层级树实现对嵌入向量的自动生成。本发明还涉及区块链技术，埋点数据及目标嵌入向量可存储于区块链。
基于层级嵌入向量生成方法装置设备介质

[发明专利]机器学习模型优化效果评估方法、装置、终端及存储介质-CN202010797368.0有效
发明人：杜宇衡;萧梓健 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-08-10 - 公布日： 2023-09-15 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及人工智能技术领域，提供一种机器学习模型优化效果评估方法、装置、终端及存储介质，包括：将历史样本数据集切分为多个测试样本数据集；使用多个机器学习模型对所述多个测试样本数据集进行预测得到多个预测值；基于业务指标和技术指标构建评估函数，并根据所述多个预测值和所述评估函数计算多个评估分值；基于所述多个评估分值构建评估矩阵；根据预设优化效果评估模型及所述评估矩阵评估出每个机器学习模型的优化效果值。本发明能够结合业务指标和技术指标对多次迭代优化的机器学习模型进行评估。
机器学习模型优化效果评估方法装置终端存储介质

[发明专利]基于缩放点积注意力的行为预测方法、装置、设备及介质-CN202011613113.0有效
发明人： 萧梓健;杜宇衡 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-12-30 - 公布日： 2023-07-18 - 主分类号： G06Q30/0202 文献下载
摘要：本发明涉及人工智能领域，提供一种基于缩放点积注意力的行为预测方法、装置、设备及介质，首先基于时间区间对长时间序列进行了拆分，用户层和行为序列层之间用时间区间层间隔，不直接相连，区间内序列长度大大缩小，便于并行计算，且减少了交叉计算量，提高了运算效率，再基于缩放点积注意力机制进行编码，优化了数据特征，对待预测数据进行标准化处理，以符合模型的输入数据格式，便于利用模型进行预测，进而基于人工智能手段实现对购买等行为的自动预测，且准确率及预测效率都更高。本发明还涉及区块链技术，行为预测模型可存储于区块链。
基于缩放注意力行为预测方法装置设备介质

[发明专利]基于可疑社团的刷单行为检测方法、装置、设备及介质-CN202011643235.4有效
发明人： 萧梓健;杜宇衡 -专利权人：平安科技（深圳）有限公司
申请日： 2020-12-30 - 公布日： 2023-06-06 - 主分类号： G06Q30/018 文献下载
摘要：本发明涉及大数据领域，提供一种基于可疑社团的刷单行为检测方法、装置、设备及介质，能够基于改进的fraudar算法计算所述更新网络的全局可疑度，在fraudar算法中引入了惩罚项，以控制网络的规模，有效避免过拟合可疑度函数，使筛选出的社团更加合理，并结合贪心算法及惩罚项检测出可疑社团，使检测到的可疑社团具有更高的准确性，根据所述可疑社团生成刷单行为检测结果，进而实现对刷单行为的自动检测，以辅助进行刷单风险的判断。本发明还涉及区块链技术，刷单行为检测结果可存储于区块链。
基于可疑社团行为检测方法装置设备介质

[发明专利]模型训练方法和装置、用户画像生成方法和装置、设备-CN202210739784.4在审
发明人： 萧梓健 -专利权人：中国平安人寿保险股份有限公司
申请日： 2022-06-28 - 公布日： 2022-09-23 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提供了模型训练方法和装置、用户画像生成方法和装置、设备，属于人工智能技术领域。该模型训练方法包括：获取样本对象的样本画像数据；对样本画像数据进行特征提取，得到样本画像特征；根据样本画像特征构建决策子树；决策子树包括叶子节点，每一叶子节点是其中一个样本画像特征；对决策子树进行解析，得到每一决策子树的样本知识条；其中，每一样本知识条包括其中一个叶子节点；将样本知识条输入至预设的分类模型进行训练，得到每一决策子树的知识条权重；根据K个决策子树的知识条权重得到目标决策树模型。本申请实施例的目标决策树模型可以从海量的画像数据中识别出所需要的画像特征，提高模型的训练效率和准确率。
模型训练方法装置用户画像生成设备

[发明专利]基于半监督模型的分类预测方法、设备及存储介质-CN202210688575.1在审
发明人： 萧梓健 -专利权人：中国平安人寿保险股份有限公司
申请日： 2022-06-17 - 公布日： 2022-09-02 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于半监督模型的分类预测方法、设备及存储介质，涉及计算机技术领域；方法包括：根据预设的标签设置算法，为第一样本集中的未标注样本集中每一未标注样本设置伪标签，得到第二标注样本集；将第二标注样本集和第一样本集中的第一标注样本集的集合作为第二样本集；将多次划分处理第二样本集时随机采样得到的多个待训练样本组合得到待训练样本集；基于待训练样本集对预设的半监督模型进行分类训练，得到训练好的分类预测模型；通过分类预测模型对采集得到的平台业务数据进行分类预测，得到平台业务数据对应的分类评分。设备及存储介质应用上述方法，本发明实施例分类预测模型兼容性更好且在实际应用场景适用性更高。
基于监督模型分类预测方法设备存储介质

[发明专利]基于异质图神经网络的留存预测方法、装置、设备及介质-CN202210063850.0在审
发明人： 萧梓健 -专利权人：中国平安人寿保险股份有限公司
申请日： 2022-01-20 - 公布日： 2022-04-29 - 主分类号： G06F16/2458 文献下载
摘要：本发明涉及人工智能领域，提供一种基于异质图神经网络的留存预测方法、装置、设备及介质，能够结合实际场景构建初始异质图神经网络，使后续训练得到的模型能够更加符合实际需求，基于数据增强后的融合样本训练得到留存预测模型，由于保证了样本量的充足，使模型的训练效果更好，提高了模型的泛化能力，并且，由于增加噪声数据，提升了模型的鲁棒性，进而提高了模型预测的准确性，利用留存预测模型分析待处理数据，得到目标用户的留存预测结果，进而结合异质图神经网络实现数据增强，并进一步实现对留存的准确预测。本发明还涉及区块链技术，所述留存预测模型可以存储于区块链节点上。
基于异质图神经网络留存预测方法装置设备介质

[发明专利]代理人留存预测方法、装置、计算机设备及存储介质-CN202011249497.2在审
发明人：杜宇衡;萧梓健 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-11-10 - 公布日： 2021-02-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及人工智能技术领域，提供一种代理人留存预测方法、装置、计算机设备及存储介质，包括：确定代理人留存的预测目标，并根据所述预测目标获取多个历史代理人的多个原始特征；基于所述多个原始特征训练GBDT模型，并在训练结束时获取GBDT模型中的每个叶子节点的特征；根据所述每个叶子节点的特征构建规则集；使用所述规则集对所述多个原始特征进行匹配并根据匹配结果生成嵌入矩阵；使用所述嵌入矩阵训练神经网络模型得到代理人留存预测模型；通过所述代理人留存预测模型对目标代理人进行留存得分预测。本发明能够提高代理人留存预测的准确率和稳定性。
代理人留存预测方法装置计算机设备存储介质

[发明专利]基于人工智能的信息预测方法、装置、设备及介质-CN202010898971.8在审
发明人： 萧梓健;杜宇衡 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-08-31 - 公布日： 2020-12-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及人工智能领域，提供一种基于人工智能的信息预测方法、装置、设备及介质，能够建立目标关系网络，所述目标关系网络包括每个样本内的子样本间的层级内关系网络及样本间的层级间关系网络，进而由所有节点及层级间的关系共同构成所述目标关系网络，并结合半监督学习的目标模型及关系网络进行特征表示，学习得到的节点特征表示可作为表现期更长的任务的输入，从而补充表现期时期的信息，弥补了表现期的信息损失，并可应用于多层次关系建模场景，进而基于人工智能手段实现对信息变化趋势的准确预测。本发明还涉及区块链技术，目标模型及每个节点更新后的特征表示可存储于区块链。
基于人工智能信息预测方法装置设备介质

[发明专利]基于行为共现网络的行为预测方法、装置、设备及介质-CN202010798029.4在审
发明人： 萧梓健;杜宇衡 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-08-10 - 公布日： 2020-11-17 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及人工智能领域，提供一种基于行为共现网络的行为预测方法、装置、设备及介质，能够获取目标用户的行为信息，根据每个行为的发生时间将目标用户的行为划分为至少一个行为段，以对用户的行为进行区分，进而对不同的行动主体进行有效解耦，更好的学习用户的行为信息，基于行为段构造目标行为共现网络并输入至预先构建的行为预测模型中，输出预测结果，其中，行为预测模型基于Graph Pooling及共现网络训练而得到，以划分的行为段构造行为共现关系，以构造目标行为共现网络，增强了行为段之间的区分度，使模型预测更加准确，进而基于人工智能手段实现对用户的行为预测。本发明还涉及区块链技术，行为预测模型及预测结果可存储于区块链。
基于行为网络预测方法装置设备介质

[发明专利]跨APP的用户行为分析模型训练方法、分析方法及相关设备-CN202010798039.8在审
发明人：杜宇衡;萧梓健 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-08-10 - 公布日： 2020-11-17 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及人工智能，提供一种跨APP的用户行为分析模型训练方法、用户行为分析方法、计算机设备及存储介质，包括：获取多个用户在多个APP中的多个埋点数据，并对每个用户对应的多个埋点数据进行排序得到第一埋点数据序列；将每个用户的第一埋点数据序列编码为第一JSON串；将每个第一JSON串切分为多个文本片段；计算每个文本片段的TF‑IDF值，并根据所述TF‑IDF值构建用户行为向量；基于所述多个用户的用户行为向量训练lightGBM网络得到跨APP的用户行为分析模型。本申请首次实现了跨APP的埋点数据的整合，将跨APP的埋点数据序列编码为JSON串，不仅提高了模型训练的效率，且提高了模型分析的性能。此外，本申请还涉及区块链技术，跨APP的用户行为分析模型可存储于区块链。
app 用户行为分析模型训练方法相关设备

1
共 11 条