摘要：本说明书实施例公开了一种数据的处理方法、装置及设备，该方法包括：获取预设时长内多个不同用户触发目标业务执行的过程中产生的行为序列数据，然后，可以确定能够表征每个行为序列数据的表征信息，基于确定的多个表征信息对行为序列数据进行聚类处理，得到一个或多个不同的聚类簇，之后，可以将相似度大于预设相似度阈值的行为序列数据对应的操作目的信息和操作意图信息，以及属于同一个聚类簇的行为序列数据作为提示信息，将该提示信息和得到的聚类簇输入到语言模型中，得到不同的聚类簇对应的操作行为的理解信息和/或意图信息，进而可以确定不同的聚类簇对应的类别标签信息。

摘要：本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取与目标指标对应的待训练的目标风险控制模型，并获取与所述目标指标对应的历史业务数据，以及所述历史业务数据对应的标注风险类型；将所述历史业务数据输入所述待训练的目标风险控制模型，得到所述历史业务数据对应不同预测风险类型的风险概率；基于所述历史业务数据对应的标注风险类型、所述历史业务数据对应不同预测风险类型的风险概率和第一损失函数，确定所述目标风险控制模型是否收敛，若所述目标风险控制模型未收敛，则基于所述历史业务数据继续对所述目标风险控制模型进行训练，直至所述目标风险控制模型收敛，得到训练后的目标风险控制模型。

摘要：本说明书实施例提供了一种风控模型的训练方法及装置。其中，风控模型用于识别高风险用户。在训练风控模型时，可以首先对用户样本集中的多个用户样本进行聚类。用户样本集包括高风险用户样本和低风险用户样本，经过聚类后，可以得到表征若干个风险用户类型和若干个正常用户类型的聚类中心。接着，针对任意一个用户样本，确定该用户样本分别与多个聚类中心之间的相关性；针对任意一个用户样本，基于与该用户样本对应的多个相关性之间的叠加，确定该用户样本的融合了聚类中心特征的深层特征。然后，可以基于多个用户样本的深层特征，对风控模型进行训练。

摘要：本申请公开一种测试方法、系统、平台、设备及存储介质，属于测试技术领域。测试方法包括针对待测试的软件系统，若预先设置有适配于不同测试框架的不同测试用例，则从不同的测试用例中，分别获取不同的测试用例所适配的测试环境的镜像文件；利用能够独立部署测试环境的各测试机，分别运行各所述镜像文件，以在测试机中建立起适配于不同的测试用例的测试环境；在测试环境中，执行适配所述测试环境的测试用例所包含的测试脚本。本申请通过能够独立部署测试环境的测试机，运行不同测试用例所适配的镜像文件，部署不同的测试环境，使得适配不同测试环境的测试用例能够在同一测试任务中执行测试，实现了测试框架与测试机的解耦，减少了资源消耗。

摘要： 本发明高频汽割组织探杆涉及的是一种用于肿瘤及泌尿外科疾病治疗的医疗器具。结构由汽割头、导电杆以及其有装夹功能的手柄部分构成，气割头设置在导电杆前部，导电杆外表面设有绝缘材料，导电杆上装有定位圈，导电杆的后部设有探杆导电夹端，手柄部分由前外壳、后外壳、金属弹簧夹头、电源线构成，前外壳设有探杆导电夹端导入孔，前外壳有内锥孔，锥孔前部导入孔内装有防水橡胶垫圈，后上壳与弹簧夹头连接，弹簧夹头后部连接有电源线，前外壳与后外壳通过螺纹连接。

摘要：本发明涉及一种用于制造程序反馈控制的自动方法及系统。该方法包括以下步骤：决定制造程序之间的关系；依据该制造程序处理晶片；通过检测机台测量处理后的晶片；从该机台取得该制造程序的制造结果信息；再依据该制造结果信息及该关系自动调整该制造程序。该系统包括：一决定模块，决定制造程序之间的关系，其中该制造程序用以制造至少一个晶片；至少一个机台，用以检测处理后的晶片；一取得模块，其耦接于该机台，并从该机台取得该制造程序的制造结果信息；以及一调整模块，依据该制造结果信息及该关系自动调整该制造程序。本发明可以在晶片处理和检测之后，自动执行制造程序的调整，因此可以减少错误并节省资源。

摘要：本说明书实施例提供一种基于事件序列进行业务预测的方法和神经网络模型。在该方法中，首先获取目标事件序列，其中包含τ个事件；事件的类别型字段的备选类别值被视为实体。然后确定单个事件对应的事件嵌入向量；τ个事件的事件嵌入向量构成嵌入矩阵。接着，利用分配矩阵对嵌入矩阵进行线性变换，基于线性变换结果得到实体表征矩阵；其中，分配矩阵指示各事件对各实体的包含关系。进一步的，对实体表征矩阵中对应于同一字段的矩阵部分进行池化操作，得到该字段对应的字段表征向量；再基于各字段表征向量，确定目标事件序列对应的条件嵌入向量。从而至少基于该条件嵌入向量，确定目标事件序列对应的序列表征向量，用于进行与事件相关的业务预测。

摘要：本说明书实施例提供一种通过高阶特征交互对事件进行处理的方法和神经网络模型。在该方法中，首先获取目标事件的编码向量；然后对该编码向量进行非线性变换，得到第一特征向量，其中所有元素均为正数。接着，对于多种高阶特征组合中任意的第一组合，利用与第一组合对应的第一组合矩阵处理该第一特征向量的自然对数，得到中间向量，并基于中间向量的自然指数确定第一组合对应的特征交互向量；其中，多种高阶特征组合中每种组合，对应于第一特征向量中多个向量元素的相乘组合。于是，至少基于上述多种高阶特征组合各自对应的特征交互向量，确定目标事件的事件表征向量；进而进行与事件相关的业务预测。

摘要：本说明书实施例提供一种对事件特征进行编码的方法和装置。根据该方法，对于事件中多种不同类型、不同数据结构的特征项，采用不同的方式进行编码。特别是对于类别型特征项，当确定当前目标事件针对该特征项的特征值属于针对该特征项确定的低频取值集合时，根据用于指示该低频取值集合的预定值，对该特征项编码。如此，可以将该特征项下的不同低频取值合并为一个统一的预定值，从而缩减编码维度，优化编码效果。

摘要：本申请实施例公开了一种交易事件风险管控方法及装置，该方法引入大语言模型替代专家经验在风险管控评价体系中的决定性角色，大语言模型在提示文本的引导下成为强化学习框架中优化交易事件风险管控模型的奖励模型，可以实现基于大语言模型反馈的完全自动化的交易事件风险管控模型强化学习优化链路。本说明书实施例所述的交易事件风险管控装置也具有上述有益效果。