基于联邦学习的线上信息处理方法、装置、设备及介质制造方法及图纸

本申请公开了一种基于联邦学习的线上信息处理方法、装置、设备和介质，所述基于联邦学习的线上信息处理方法包括：在接收到资源请求时，提取所述资源请求中的资源特征数据；将所述资源特征数据以及预设本地用户流量数据输入至预设转化评估模型中，得到所述资源请求的预测转化率，其中，所述预设转化评估模型是基于预设流量转化数据通过执行预设联邦流程，对预设待训练预测模型进行迭代训练得到的；根据所述预测转化率，确定所述资源请求对应的潜在目标人群和/或实时竞价数据。本申请解决现有技术中用户特征数据无法回传，使得定位潜在目标人群的定位准确性变差，资源推广成功率变差的技术问题。

Online information processing methods, devices, devices and media based on Federated learning

【技术实现步骤摘要】
基于联邦学习的线上信息处理方法、装置、设备及介质
本申请涉及金融科技(Fintech)的人工智能
，尤其涉及一种基于联邦学习的线上信息处理方法、装置、设备及介质。
技术介绍
DSP(DemandSidePlatform,需求方平台)是为资源主提供跨媒介，跨平台，跨终端的资源分析的平台，由于该平台通过数据整合、分析后，解决资源主需求，因此称为“需求方平台”。DSP可以对接众多平台资源，并实现将资源精准定位潜在目标人群。而随着隐私保护法例的推广，数据流动性变差，尤其是用户前端表现，用户后端表现等敏感用户特征数据无法回传，使得定位潜在目标人群的定位准确性变差，资源推广效率变差。
技术实现思路
本申请的主要目的在于提供一种基于联邦学习的线上信息处理方法、装置、设备和介质，旨在解决现有技术中用户特征数据无法回传，使得定位潜在目标人群的定位准确性变差，资源推广成功率变差的技术问题。为实现上述目的，本申请提供一种基于联邦学习的线上信息处理方法，所述基于联邦学习的线上信息处理方法包括：在接收到资源请求时，提取所本文档来自技高网...

【技术保护点】
1.一种基于联邦学习的线上信息处理方法，其特征在于，所述基于联邦学习的线上信息处理方法包括：/n在接收到资源请求时，提取所述资源请求中的资源特征数据；/n将所述资源特征数据以及预设本地用户流量数据输入至预设转化评估模型中，得到所述资源请求的预测转化率，其中，所述预设转化评估模型是基于预设流量转化数据通过执行预设联邦流程，对预设待训练预测模型进行迭代训练得到的；/n根据所述预测转化率，确定所述资源请求对应的潜在目标人群和/或实时竞价数据。/n

【技术特征摘要】
1.一种基于联邦学习的线上信息处理方法，其特征在于，所述基于联邦学习的线上信息处理方法包括：
在接收到资源请求时，提取所述资源请求中的资源特征数据；
将所述资源特征数据以及预设本地用户流量数据输入至预设转化评估模型中，得到所述资源请求的预测转化率，其中，所述预设转化评估模型是基于预设流量转化数据通过执行预设联邦流程，对预设待训练预测模型进行迭代训练得到的；
根据所述预测转化率，确定所述资源请求对应的潜在目标人群和/或实时竞价数据。


2.如权利要求1所述基于联邦学习的线上信息处理方法，其特征在于，所述预设转化评估模型包括预设后端转化评估模型，所述预设待训练预测模型包括第一预设待训练预测子模型，所述预设联邦流程包括第一预设联邦子流程；
所述将所述资源特征数据以及预设本地用户流量数据输入至预设转化评估模型中，得到所述资源请求的预测转化率，其中，所述预设转化评估模型是基于预设流量转化数据通过执行预设联邦流程，对预设待训练预测模型进行迭代训练得到的步骤包括：
将所述资源特征数据以及预设本地用户流量数据输入至所述预设后端转化评估模型中，得到所述资源请求的预测后端转化率，其中，所述预设后端转化评估模型是基于所述预设流量转化数据中的预设流量后端转化数据通过执行第一预设联邦子流程，对所述第一预设待训练预测子模型进行迭代训练得到的。


3.如权利要求2所述基于联邦学习的线上信息处理方法，其特征在于，所述将所述资源特征数据以及预设本地用户流量数据输入至所述预设后端转化评估模型中，得到所述资源请求的预测后端转化率的步骤之前包括：
将所述预设流量转化数据中的预设流量后端转化数据迭代发送给预设备选参与方平台，以供所述备选参与方平台基于所述预设流量后端转化数据迭代反馈多个预测参数，其中，所述预设流量后端转化数据至少包括用户的标识号以及表示用户付费与否的后端转化特征标签；
基于所述多个预测参数对所述第一预设待训练预测子模型中的模型参数进行基于所述第一预设联邦子流程的迭代训练，直至所述第一预设待训练预测子模型满足预设训练完成条件，获得所述预设后端转化评估模型。


4.如权利要求3所述基于联邦学习的线上信息处理方法，其特征在于，
所述基于所述多个预测参数对所述第一预设待训练预测子模型中的模型参数进行基于所述第一预设联邦子流程的迭代训练，直至所述第一预设待训练预测子模型满足预设训练完成条件，获得所述预设后端转化评估模型的步骤包括：
以每个所述备选参与方平台为单位，对所述多个预测参数分别进行加密处理，以分别得到多个加密的预测参数；
基于所述多个加密的预测参数对所述第一预设待训练预测子模型中的模型参数进行基于所述第一预设联邦子流程的迭代训练，直至所述第一预设待训练预测子模型满足预设训练完成条件，获得所述预设后端转化评估模型。


5.如权利要求3所述基于联邦学习的线上信息处理方法，其特征在于，所述将所述预设流量转化数据中的预设流量后端转化数据迭代发送给预设备选参与方平台，以供所述备选参与方平台基于所述预设流量后端转化数据迭代反馈多个预测参数的步骤之前，所述方法还包括：
获取所述资源特征数据中的初始特征导向，根据所...

【专利技术属性】
技术研发人员：刘博，郑文琛，
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