原始名称记载: 中国工商银行股份有限公司

本申请提供一种大语言模型的训练方法、装置、设备、介质及程序产品，涉及人工智能领域。通过根据数据库中的元数据，建立样本库；将样本库中的样本数据输入至预训练语言模型，得到预训练语言模型输出的高维向量；其中预训练语言模型用于将数据转换为高维向量表征；于高维向量训练大语言模型，得到训练好的大语言模型。本方案通过预训练语言模型将样本库转化为高维向量，使大语言模型能够面对复杂语言现象时，能更好地适应特定任务的上下文和需求并使模型能够学习到更广泛的语言知识和语言模式，以生成高质量的自然语言文本。

本申请提供了一种业务场景推荐方法，可以应用于人工智能技术领域。业务场景推荐方法包括：获取目标业务的需求描述文本；分别获取需求描述文本与m个预设热词库的匹配度，得到第一匹配度分布，其中，m个预设热词库基于m个业务场景的关键词设置，m个业务场景中包括n个预设业务场景，m为大于1的整数，n为大于或等于1的整数；响应于目标业务为预设业务场景，利用预训练语言模型识别需求描述文本，得到第二匹配度分布，第二匹配度分布为目标业务与n个预设业务场景的匹配度分布；基于第一匹配度分布与第二匹配度分布得到推荐结果。本申请还提供了一种业务场景推荐装置、设备、存储介质和程序产品。

本申请实施例提供一种账户识别模型的训练方法、装置、设备、存储介质及程序产品，涉及金融科技领域。该方法先计算不同账户对应特征之间的相似度，将这些相似度作为新的低维特征向量，再结合预设的判断标识进行模型训练，从而构建出一个高效的账户识别模型。不再使用高维原始账户特征训练模型，而是通过将高维原始特征转换为低维特征相似度，降低了特征冗余度和模型计算复杂度，提升了模型训练和识别效率，使其能够更好地适应实时及大规模账户识别场景。

本申请提供一种数字藏品的验证方法、设备、存储介质及程序产品，涉及区块链领域。该方法包括：获取第一数字藏品及对应的第一提示信息，第二数字藏品及对应的第二提示信息；第一数字藏品的第一数字作品由第一模型根据第一提示信息生成；第二数字藏品的第二数字作品由第二模型根据第二提示信息生成；根据第一数字作品的内容及第二数字作品的内容，确定第一数字藏品与第二数字藏品的第一相似度；根据第一提示信息、第一模型、第一参数，以及第二提示信息、第二模型及第二参数，确定第一数字藏品与第二数字藏品的第二相似度；根据第一相似度和/或第二相似度，确定第一数字藏品和第二数字藏品是否冲突。实现了对由模型生成的数字藏品的有效验证。

本申请公开了一种业务视图聚类方法、装置、电子设备及计算机程序产品，涉及金融科技技术，该方法包括：基于业务视图关系数据构建拓扑属性矩阵和每个金融实体分别对应的节点属性矩阵；确定初始权重参数，基于初始权重参数对拓扑属性矩阵和节点属性矩阵进行加权融合生成融合特征矩阵；基于融合特征矩阵对多个金融实体进行聚类分析，获得初始聚类结果的评估指标；以优化评估指标为目标，通过优化算法更新初始权重参数，获得更新权重参数，并基于更新权重参数重复执行对拓扑属性矩阵和节点属性矩阵行加权融合生成融合特征矩阵的操作，直至满足预设迭代终止条件时，获得聚类结果。本申请能够提升金融场景下的聚类精准度以及提高运行效率。

本申请实施例提供一种兴趣度预测方法、装置、设备、存储介质及程序产品，涉及金融科技技术领域或人工智能技术领域。该方法包括：获取多个模糊集合，多个模糊集合与用户对产品的兴趣度的影响因素相关；根据用户数据和多个隶属度函数，确定第一隶属度，第一隶属度包括用户数据对多个模糊集合一一对应的多个隶属度；根据第一隶属度，确定用户数据的特征向量；根据特征向量，执行模糊C均值聚类，得到第二隶属度，第二隶属度包括用户对C个聚类簇一一对应的C个隶属度；将第二隶属度与C个聚类簇对应的预设权重进行加权和处理，得到用户对产品的兴趣度。本申请的方法，提高了兴趣度预测的准确性。

本申请提供一种阈值确定方法、装置、设备、存储介质及程序产品，涉及人工智能领域。该方法包括：将针对目标业务规则的多个业务数据样本输入无监督规则模型，无监督规则模型对业务数据样本进行特征提取，得到多个特征对应的第一特征向量和单个特征对应的第二特征向量；基于第一特征向量和第二特征向量对业务数据样本进行筛选，获得第一特征向量对应的第一异常业务数据样本和第二特征向量对应的第二异常业务数据样本；根据第一异常业务数据样本和第二异常业务数据样本，确定目标业务规则包含的目标参数对应的目标阈值，目标阈值用于作为业务规则模型中目标参数的阈值。本申请能够更加准确地确定目标参数对应的目标阈值，降低系统的资源占用。

本发明公开了一种异常账户风险等级确定方法、装置、设备及介质，涉及金融科技领域。通过实时获取待确定风险等级的账户描述信息，并将其输入至结构化规则生成器中进行结构匹配，确定目标三元组结构智能合约信息；通过多预言机融合模块对目标三元组结构智能合约信息进行融合处理，生成当前算法融合合规数据；判断当前算法融合合规数据是否满足风险等级确定合约触发条件；若满足，则通过风险等级确定模块对当前算法融合合规数据进行风险等级判断，确定目标异常账户风险等级并反馈。解决了缺乏可直接映射至智能合约的执行逻辑、规则解析稳定性和灵活性差的问题，提高了异常账户风险等级确定的效率、规则解析稳定性和灵活性，保障了账户数据的安全性。

本申请提供了一种多模态事件抽取方法、装置、设备、存储介质和程序产品，可以应用于大数据与人工智能领域。该方法包括：将第一多模态引导特征分别输入多个跨模态特征关联网络，获取不同粒度层面上各模态特征之间的关联信息，其中，每个跨模态特征关联网络用于输出一个粒度层面上各模态特征之间的关联信息，第一多模态引导特征根据第i个模态特征的序列向量引导第j个模态特征的序列向量得到；基于第二多模态引导特征和关联信息，获取关联信息的权重，其中，第二多模态引导特征根据第i个模态特征的全局向量引导第j个模态特征的序列向量得到；基于权重，对关联信息进行加权，得到分类器的输入，通过分类器获取事件抽取结果。

本申请公开了一种风险识别方法、系统、装置以及计算机可读存储介质。涉及大数据领域，该方法包括：获取目标业务系统的目标版本改造内容中N个改造条目各自对应的语义信息，其中，N为大于0的整数；将N个改造条目各自对应的语义信息输入目标风险分类模型，得到N个改造条目各自对应的风险分类结果，其中，目标风险分类模型基于初始风险分类模型的训练确定，风险分类结果包括风险等级的分类结果；基于N个改造条目各自对应的风险分类结果，确定目标版本改造内容的风险识别结果。通过本申请，解决了相关技术中风险识别依靠人工经验导致效率和准确性低的问题。

本发明公开了一种业务策略触达方法、设备及程序产品。该方法涉及人工智能技术领域，包括：根据各活动用户的采集信息，建立活动用户模型，并生成各活动用户的特征标签；根据活动用户模型以及各活动用户的特征标签，确定各活动用户的第一业务策略以及触达方式，进行第一业务策略触达；分别计算各活动用户在评估周期内的业务策略完成率；根据活动用户模型、各活动用户的特征标签以及业务策略完成率，确定至少一个目标活动用户以及各目标活动用户的第二业务策略，并根据各目标活动用户的触达方式，进行第二业务策略触达。采用上述技术方案，能够为活动用户智能匹配业务策略，将业务策略智能触达活动用户，提高业务策略调整的准确性。

本申请提供了一种制卡文件有效性检测方法，可以应用于人工智能技术领域。该制卡文件有效性检测方法包括：获取待检测的制卡文件，并判定制卡文件的类型；响应于制卡文件的类型属于预设支持的类型，提取制卡文件预设字节位置的十六进制特征数据，十六进制特征数据包括制卡地信息、密码偏移量、卡片要素信息以及卡种信息；以及基于十六进制特征数据，利用训练完成的二分类模型，获取制卡文件有效性判定结果；其中，训练完成的二分类模型通过半监督自训练方法训练得到。本申请还提供了一种制卡文件有效性检测装置、设备、存储介质和程序产品。

本申请实施例本申请提供一种面向新业务场景的模型处理方法、装置、设备及介质，涉及人工智能领域。该方法包括：获取因子不变集，所述因子不变集是根据已有监管规则确定的关于关键风险因子的集合；根据所述因子不变集，确定用于优化初始模型的约束条件；根据所述约束条件和新业务场景下目标域的分布特征，调整所述初始模型中的源域样本，得到候选样本；根据候选样本训练所述初始模型，以优化所述初始模型的参数，得到用于处理新业务场景中数据的目标模型。本申请的方法，可以有效解决模型迁移过程中决策边界漂移等问题，满足新业务冷启动场景下的风控需求。

本申请提供了一种目标客户识别方法、装置、设备、存储介质和程序产品，可以应用于大数据技术领域。方法包括：在预先构建的知识图谱中，根据节点的关联程度对节点进行划分，生成m个社群，其中，知识图谱包括节点和边，节点是根据客户信息构建的，边是根据客户之间的关联关系信息构建的；根据m个社群中每个社群的点特征映射值大于等于第一设定阈值的节点和/或边特征映射值大于等于第二设定阈值的边，计算每个社群的异常指数；将异常指数满足第三设定阈值的社群确定为目标社群；根据目标社群中边的边特征映射值和边的设定特征权重，计算目标社群中每个节点的影响力得分；将影响力得分大于等于第四设定阈值的节点对应的客户识别为目标客户。

本申请提供了一种信用卡整合方法，可以应用于大数据和人工智能领域。信用卡整合方法包括：获得待整合信用卡的业务特征数据，基于业务特征数据，采用拟合模型确定待整合信用卡的类型为目标类型的初始概率，拟合模型是基于演化算法训练得到的；获得过往信用卡整合至目标信用卡后产生的客户留存率数据，基于客户留存率数据，采用加权方式对初始概率进行修正，得到待整合信用卡的类型为目标类型的最终概率，过往信用卡是基于拟合模型进行整合的；在最终概率大于预设阈值的情况下，将待整合信用卡的类型确定为目标类型，并将待整合信用卡整合至目标信用卡。本申请还提供了一种信用卡整合装置、设备、介质和程序产品。

本申请提供了一种业务数据量监测方法，可以应用于人工智能技术领域。业务数据量监测方法包括：获取当前设定时间段的连续前m个相同设定时间段内的业务数据量，作为m个第一业务数据量，其中，m为大于等于2的整数；根据所述m个第一业务数据量，利用预测模型预测当前设定时间段的业务数据量，作为第二业务数据量；获取n个历史时间段内的业务数据量，作为n个历史业务数据量，其中，n为大于等于2的整数；根据所述第二业务数据量和所述n个历史业务数据量，确定业务数据量阈值区间；将获取的当前设定时间段的实际业务数据量与所述业务数据量阈值区间比较，得到监测结果。本申请还提供了一种业务数据量监测装置、设备、存储介质和程序产品。

本申请提供了一种办理困境预测方法，可以应用于人工智能技术领域。该办理困境预测方法包括：获取用户在自助终端上办理自助业务时的当前交互行为特征和在办理自助业务之前的历史交互行为特征，当前交互行为特征和历史交互行为特征均表征用户在自助终端上的非生物操作行为数据；将当前交互行为特征输入训练好的异常预测模型，得到当前交互行为特征的异常程度；确定当前交互行为特征与历史交互行为特征的关联度；根据异常程度和关联度，预测用户在办理自助业务时陷入办理困境的概率。本申请还提供了一种办理困境预测装置、设备、存储介质和程序产品。

本申请提供一种基于多模态数据的界面异常检测方法、装置、介质及产品，涉及金融科技领域。该方法通过获取目标界面的设计多模态数据以及运行多模态数据，并生成对应的设计场景图以及运行场景图；对设计场景图和运行场景图进行特征提取，得到对应的第一特征向量和第二特征向量；并将第一特征向量和第二特征向量输入异常检测模型，得到检测结果；若检测结果指示差异程度大于预设差异程度，确定目标界面存在异常；该方法通过整合多模态数据，避免单维度比对的局限性；并利用异常检测模型对设计场景图和运行场景图对应的特征向量进行跨模态特征对齐，从而全面解析设计图和实现图的差异，使得的得到的检测结果更准确，提高了界面差异检测的精准性。

本申请实施例提供一种交互方法、装置、设备、存储介质及程序产品，涉及人工智能领域或金融科技领域。首先获取目标对象的多模态数据与标签信息；接着对多模态数据进行融合处理，生成目标对象的初始行为特征结果；随后依据标签信息确定目标对象的文化参数；再基于文化参数对初始行为特征结果展开修正处理，得到修正后的行为特征结果；最后根据修正后的行为特征结果，调整与目标对象的交互策略。该方法解决了现有交互方式仅依赖多模态数据、难以应对多元化场景的问题，实现了结合目标对象的文化背景，制定出适应不同文化场景、更贴合用户需求的交互策略，有效提升了交互的准确性和适应性。

本发明公开了一种混淆程序的逆向还原方法、设备、介质及产品，涉及反混淆和金融科技技术领域，该方法包括：获取目标混淆程序，顺序检测并还原目标混淆程序中存在的布尔值运算、混淆字符串数组、混淆属性名和间接函数混淆调用，得到第一逆向还原程序；通过静态分析和动态分析在第一逆向还原程序中进行冗余代码的检测，并在第一逆向还原程序中去除检测到的冗余代码，得到第二逆向还原程序；对第二逆向还原程序进行控制流扁平化逆向还原处理，得到与目标混淆程序对应的目标逆向还原程序，还原代码原始执行路径，解决了因代码混淆导致的漏洞隐蔽性问题，强化了高危漏洞检出率与攻击面覆盖能力，提高了对目标混淆程序深度逆向的可靠性和有效性。