【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。