一种模型训练方法及装置制造方法及图纸

本发明专利技术公开了一种模型训练方法及装置，其中方法为：第一终端获取点击数据和转化数据混合后加密的混合数据；所述第一终端根据曝光数据、所述加密的混合数据，根据特征表达模型，得到加密的特征表达数据；所述第一终端根据所述加密的特征表达数据得到转化预估模型，生成加密的模型参数，将所述加密的模型参数发送至第二终端；所述第一终端接收所述第二终端解密后的模型参数；所述解密后的模型参数用于所述第一终端根据所述转化预估模型生成转化预估概率。

【技术实现步骤摘要】
一种模型训练方法及装置
本专利技术涉及金融科技(Fintech)领域和计算机软件领域，尤其涉及一种模型训练方法及装置。
技术介绍
随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链(Blockchain)、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变。目前，金融科技领域中的推荐信息投放尤其重要，是拓展金融产品客户的主要渠道。信息推荐源对信息推送的需求愈发强烈，不同场景下不同用户行为与信息推送诉求存在显著关系，根据用户的不同行为可以对用户进行针对性信息推送。因此，信息推荐源需要对待推送信息的用户的行为进行预测。目前的方式是直接给终端大量的用户的转化数据，让终端构建用户转化行为相关的预测模型，但这种通过预测模型来评估待推送信息的用户的行为可能会泄露转化用户隐私的风险。另外的方式中，直接使用终端自己积累的转化数据，但一个终端的转化数据由较少，对不同标签值的用户数据区分程度不够明显，即很多用户数据的特征很接近，仅标签值的差异较大，从而在预测模型的训练过程中，对特征的区分不明显，导致用户行为的预测模型泛本文档来自技高网...

【技术保护点】
1.一种模型训练方法，其特征在于，包括：/n第一终端获取点击数据和转化数据混合后加密的混合数据；/n所述第一终端根据曝光数据、所述加密的混合数据，根据特征表达模型，得到加密的特征表达数据；所述特征表达模型用于区分所述曝光数据和所述加密的混合数据；/n所述第一终端根据所述加密的特征表达数据得到转化预估模型，生成加密的模型参数，将所述加密的模型参数发送至第二终端；/n所述第一终端接收所述第二终端解密后的模型参数；所述解密后的模型参数用于所述第一终端根据所述转化预估模型生成转化预估概率。/n

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
第一终端获取点击数据和转化数据混合后加密的混合数据；
所述第一终端根据曝光数据、所述加密的混合数据，根据特征表达模型，得到加密的特征表达数据；所述特征表达模型用于区分所述曝光数据和所述加密的混合数据；
所述第一终端根据所述加密的特征表达数据得到转化预估模型，生成加密的模型参数，将所述加密的模型参数发送至第二终端；
所述第一终端接收所述第二终端解密后的模型参数；所述解密后的模型参数用于所述第一终端根据所述转化预估模型生成转化预估概率。


2.如权利要求1所述的方法，其特征在于，所述特征表达模型是根据所述曝光数据和所述加密的混合数据基于最小化预设损失函数训练得到的；所述预设损失函数表征了曝光数据之间的聚合程度，以及表征了点击数据和转化数据之间的聚合程度。


3.如权利要求1所述的方法，其特征在于，还包括：
所述第一终端获取待评估用户的第一用户特征；
所述第一终端将所述待评估用户的第一用户特征输入所述转化预估模型，基于所述解密后的模型参数，获得所述待评估用户的转化预估概率。


4.如权利要求1所述的方法，其特征在于，所述转化预估模型中包括所述点击数据的第一基准特征，以及转化数据的第二基准特征；所述方法还包括：
所述第一终端获取待评估用户的第二用户特征；
所述第一终端通过所述待评估用户的第二用户特征分别与所述第一基准特征及所述第二基准特征的关系，确定所述待评估用户的转化预估概率。


5.如权利要求4所述的方法，其特征在于，所述第一终端通过待评估用户的第二用户特征分别与所述第一基准特征及所述第二基准特征的关系，确定所述待评估用户的转化预估概率，包括：
所述第一终端通过所述特征表达模型将所述第二用户特征转换为第三用户特征；
所述第一终端确定所述第三用户特征与所述第一基准特征的第一欧氏距离；
所述第一终端根据所述第三用户特征与...

【专利技术属性】
技术研发人员：刘博，郑文琛，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44