数据的处理方法、装置及设备制造方法及图纸

本发明专利技术实施例提供了一种数据的处理方法、装置及设备，方法包括：获取待处理数据，待处理数据包括目标训练标签，第一数据方和第二数据方均包括目标训练标签，第一数据方和第二数据方之间包括共同目标信息；根据共同目标信息针对第一数据方和第二数据方获取与共同目标信息相对应的行为特征数据；基于目标训练标签分别对第一数据方的行为特征数据和第二数据方的行为特征数据进行处理，获得分别与第一数据方的行为特征数据和第二数据方的行为特征数据相对应的第一处理结果和第二处理结果；利用安全计算方法对第一处理结果和第二处理结果进行学习训练，获得与目标训练标签相对应的模型预测算法；利用模型预测算法对待处理数据进行处理，获得处理结果。

【技术实现步骤摘要】
数据的处理方法、装置及设备
本专利技术涉及互联网
，尤其涉及一种数据的处理方法、装置及设备。
技术介绍
随着科学技术的飞速发展，信息的数字化技术已经逐步向人类生活中的各个领域全面推进，尤其是在电商领域、互联网金融领域、物流领域、云计算领域等领域中，信息的数字化技术应用的更加广泛。以电商领域为例，现有技术中，电商平台和商家各自拥有不同维度的用户数据，在对用户数据进行分析处理时，电商平台和商家希望利用双方拥有的用户数据进行机器学习模型训练，从而可以获得更精准的数据处理模型，这样便于提高对用户数据进行分析处理的准确性。然而，对于电商平台和商家而言，为了保证数据使用的安全可靠性，电商平台和商家并不想向对方泄露各自独有的数据。
技术实现思路
本专利技术实施例提供一种数据的处理方法、装置及设备，可以在不透漏各自独有的数据的同时，通过数据提供方共有的用户数据建立数据处理模型，从而可以提高数据处理模型对用户数据进行分析处理的准确性。第一方面，本专利技术实施例提供一种数据的处理方法，包括：获取待处理数据，所述待处理数据包括目标训练标签，其中，第一数据方和第二数据方均包括所述目标训练标签，并且，所述第一数据方和第二数据方之间包括共同目标信息；根据所述共同目标信息，分别针对所述第一数据方和所述第二数据方获取与所述共同目标信息相对应的行为特征数据；基于所述目标训练标签分别对所述第一数据方的行为特征数据和所述第二数据方的行为特征数据进行处理，获得与所述第一数据方的行为特征数据相对应的第一处理结果以及与所述第二数据方的行为特征数据相对应的第二处理结果；利用预设的安全计算方法对所述第一处理结果和第二处理结果进行学习训练，获得与所述目标训练标签相对应的模型预测算法；利用所述模型预测算法对所述待处理数据进行处理，获得与所述待处理数据相对应的处理结果。第二方面，本专利技术实施例提供一种数据的处理装置，包括：第一获取模块，用于获取待处理数据，所述待处理数据包括目标训练标签，其中，第一数据方和第二数据方均包括所述目标训练标签，并且，所述第一数据方和第二数据方之间包括共同目标信息；所述第一获取模块，还用于根据所述共同目标信息，分别针对所述第一数据方和所述第二数据方获取与所述共同目标信息相对应的行为特征数据；第一处理模块，用于基于所述目标训练标签分别对所述第一数据方的行为特征数据和所述第二数据方的行为特征数据进行处理，获得与所述第一数据方的行为特征数据相对应的第一处理结果以及与所述第二数据方的行为特征数据相对应的第二处理结果；第一训练模块，用于利用预设的安全计算方法对所述第一处理结果和第二处理结果进行学习训练，获得与所述目标训练标签相对应的模型预测算法；所述第一处理模块，还用于利用所述模型预测算法对所述待处理数据进行处理，获得与所述待处理数据相对应的处理结果。第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的一种数据的处理方法。第四方面，本专利技术实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第一方面中的一种数据的处理方法。在获取到待处理数据之后，先获取第一数据方和第二数据方所包括的共同目标信息，而后根据所述共同目标信息，分别针对所述第一数据方和所述第二数据方获取与所述共同目标信息相对应的行为特征数据；基于所述目标训练标签对所述行为特征数据分别进行学习训练，获得与所述行为特征数据相对应的第一处理结果和第二处理结果；最后利用预设的安全计算方法对所述第一处理结果和第二处理结果进行学习训练，获得与所述目标训练标签相对应的模型预测算法；通过对共同目标信息以及所对应的行为特征数据进行两次学习训练，实现了可以在不透漏各自独有的数据的同时，有效地建立与目标训练标签相对应的模型预测算法，在利用模型预测算法对用户数据进行处理时，可以提高对用户数据进行分析处理的准确性，进一步提高了该方法的实用性，有利于市场的推广与应用。第五方面，本专利技术实施例提供一种数据的处理方法，包括：获取待处理请求，所述待处理请求中包括：待处理信息、针对第一数据方且与所述待处理信息相对应的第一行为数据以及针对第二数据方且与所述待处理信息相对应的第二行为数据；利用至少一个模型处理算法对所述第一行为数据进行降低数据维度处理，获得第一处理结果；利用至少一个模型处理算法对所述第二行为数据进行降低数据维度处理，获得第二处理结果；将所述第一处理结果与所述第二处理结果进行合并，获得合并结果；利用预设的模型预测算法对所述合并结果进行计算，获得与所述待处理请求相对应的预测结果。第六方面，本专利技术实施例提供一种数据的处理装置，包括：第二获取模块，用于获取待处理请求，所述待处理请求中包括：待处理信息、针对第一数据方且与所述待处理信息相对应的第一行为数据以及针对第二数据方且与所述待处理信息相对应的第二行为数据；第一预测模块，用于利用至少一个模型处理算法对所述第一行为数据进行降低数据维度处理，获得第一处理结果；所述第一预测模块，还用于利用至少一个模型处理算法对所述第二行为数据进行降低数据维度处理，获得第二处理结果；第二处理模块，用于将所述第一处理结果与所述第二处理结果进行合并，获得合并结果；第二预测模块，用于利用预设的模型预测算法对所述合并结果进行计算，获得与所述待处理请求相对应的预测结果。第七方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第五方面中的一种数据的处理方法。第八方面，本专利技术实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第五方面中的一种数据的处理方法。在获得待处理请求之后，可以通过待处理请求获取相对应的待处理数据，而后采用预设数量的模型处理算法对待处理数据进行第一轮处理，获得第一处理结果和第二处理结果，再利用预设的模型预测算法对第一处理结果和第二处理结果进行预测处理，从而可以获得与待处理请求相对应的预测结果；有效地实现了对模型预测算法的应用，不仅保证了数据处理的质量和效率，还可以满足用户的使用需求，进而提高了该方法的实用性，有利于市场的推广与应用。第九方面，本专利技术实施例提供一种数据的处理方法，包括：获取第一数据方和第二数据方之间的共同目标信息，其中，所述第一数据方和所述第二数据方均包括目标训练标签；根据所述共同目标信息，分别针对所述第一数据方和所述第二数据方获取与所述共同目标信息相对应的行为特征数据；基于所述目标训练标签分别对所述第一数据方的行为特征数据和所述第二数据方的行为特征数据进行处理，获得与所述第一数据方的行为特征数据相对应的第一处理结果以及与所述第本文档来自技高网...

【技术保护点】
1.一种数据的处理方法，其特征在于，包括：/n获取待处理数据，所述待处理数据包括目标训练标签，其中，第一数据方和第二数据方均包括所述目标训练标签，并且，所述第一数据方和第二数据方之间包括共同目标信息；/n根据所述共同目标信息,分别针对所述第一数据方和所述第二数据方获取与所述共同目标信息相对应的行为特征数据；/n基于所述目标训练标签分别对所述第一数据方的行为特征数据和所述第二数据方的行为特征数据进行处理，获得与所述第一数据方的行为特征数据相对应的第一处理结果以及与所述第二数据方的行为特征数据相对应的第二处理结果；/n利用预设的安全计算方法对所述第一处理结果和第二处理结果进行学习训练，获得与所述目标训练标签相对应的模型预测算法；/n利用所述模型预测算法对所述待处理数据进行处理，获得与所述待处理数据相对应的处理结果。/n

【技术特征摘要】
1.一种数据的处理方法，其特征在于，包括：
获取待处理数据，所述待处理数据包括目标训练标签，其中，第一数据方和第二数据方均包括所述目标训练标签，并且，所述第一数据方和第二数据方之间包括共同目标信息；
根据所述共同目标信息,分别针对所述第一数据方和所述第二数据方获取与所述共同目标信息相对应的行为特征数据；
基于所述目标训练标签分别对所述第一数据方的行为特征数据和所述第二数据方的行为特征数据进行处理，获得与所述第一数据方的行为特征数据相对应的第一处理结果以及与所述第二数据方的行为特征数据相对应的第二处理结果；
利用预设的安全计算方法对所述第一处理结果和第二处理结果进行学习训练，获得与所述目标训练标签相对应的模型预测算法；
利用所述模型预测算法对所述待处理数据进行处理，获得与所述待处理数据相对应的处理结果。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
控制所述第一数据方和所述第二数据方通过私有集交集技术进行通信连接；
通过所述私有集交集技术获取所述第一数据方与所述第二数据方之间的共同目标信息。


3.根据权利要求1所述的方法，其特征在于，根据所述共同目标信息，分别针对所述第一数据方和所述第二数据方获取与所述共同目标信息相对应的行为特征数据，包括：
针对所述第一数据方，根据所述共同目标信息获取与所述共同目标信息相对应的第一行为集合，所述第一行为集合中包括与每个共同目标信息相对应的行为特征数据；
针对所述第二数据方，根据所述共同目标信息获取与所述共同目标信息相对应的第二行为集合，所述第二行为集合中包括与每个共同目标信息相对应的行为特征数据。


4.根据权利要求3所述的方法，其特征在于，基于所述目标训练标签分别对所述第一数据方的行为特征数据和所述第二数据方的行为特征数据进行处理，获得与所述第一数据方的行为特征数据相对应的第一处理结果，包括：
基于所述目标训练标签、并利用预设的第一数量的机器学习算法对所述第一行为集合进行本地学习训练，获得与所述第一数量的机器学习算法相对应的第一数量的模型处理算法；
利用所述第一数量的模型处理算法对所述第一行为集合进行预测处理，获得与所述第一行为集合相对应的第一处理结果。


5.根据权利要求4所述的方法，其特征在于，基于所述目标训练标签分别对所述第一数据方的行为特征数据和所述第二数据方的行为特征数据进行处理，获得与所述第二数据方的行为特征数据相对应的第二处理结果，包括：
基于所述目标训练标签、并利用预设的第二数量的机器学习算法对所述第二行为集合进行本地学习训练，获得与所述第二数量的机器学习算法相对应的第二数量的模型处理算法；
利用所述第二数量的模型处理算法对所述第二行为集合进行预测处理，获得与所述第二行为集合相对应的第二处理结果。


6.根据权利要求5所述的方法，其特征在于，所述第一数量与所述第二数量的和值小于所述行为特征数据的属性数量。


7.根据权利要求5所述的方法，其特征在于，所述机器学习算法包括以下至少之一：随机森林算法、支持向量机算法、梯度提升决策树GBDT算法、邻近算法KNN。


8.根据权利要求5所述的方法，其特征在于，利用预设的安全计算方法对所述第一处理结果和第二处理结果进行学习训练，获得与所述目标训练标签相对应的模型预测算法，包括：
将所述第一处理结果和所述第二处理结果进行合并，获得合并处理结果；
利用所述安全计算方法对所述合并处理结果进行学习训练，获得与所述目标训练标签相对应的模型预测算法。


9.根据权利要求8所述的方法，其特征在于，所述安全计算方法包括以下至少之一：同态加密算法、安全多方计算方法。


10.根据权利要求5-9中任意一项所述的方法，其特征在于，利用所述模型预测算法对所述待处理数据进行处理，包括：
获取待处理数据中的目标信息以及与所述目标信息相对应的待处理行为数据；
利用所述模型预测算法对所述目标信息和所述待处理行为数据进行预测处理。


11.根据权利要求10所述的方法，其特征在于，所述待处理行为数据包括针对所述第一数据方、且与所述目标信息相对应的第一行为数据以及针对所述第二数据方、且与所述目标信息相对应的第二行为数据。


12.根据权利要求11所述的方法，其特征在于，利用所述模型预测算法对所述目标信息和所述待处理行为数据进行预测处理，包括：
利用所述第一数量的模型处理算法对所述第一行为数据进行预测，获得第一预测结果；
利用所述第二数量的模型处理算法对所述第二行为数据进行预测，获得第二预测结果；
将所述第一预测结果与所述第二预测结果进行合并，获得合并预测结果；
利用所述模型预测算法对所述合并预测结果进行预测处理，获得与所述目标信息相对应的目标预测结果。


13.根据权利要求1-9...

【专利技术属性】
技术研发人员：黄智聪，洪澄，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY