模型构建和分析的方法、装置、电子设备和介质制造方法及图纸

本公开提供了一种分析方法，包括：响应于接收到对目标对象的分析指令，确定分析时间段，分析时间段与目标对象的预定时序数据的时间戳相关；获取目标对象位于分析时间段内的第一时序数据；基于第一时序数据，得到第一时序特征集合；至少将第一时序特征集合输入预先建立的第一分析子模型，得到第一中间结果；以及将第一中间结果发送至联合平台设备，以使联合平台设备基于第一中间结果和来自第二机构服务器的第二中间结果得到分析结果，第二机构为与第一机构联合分析的机构。本公开还提供了模型构建方法、分析装置、模型构建装置、联合分析系统、电子设备和计算机可读存储介质。

【技术实现步骤摘要】
模型构建和分析的方法、装置、电子设备和介质
本公开涉及计算机
，更具体地，涉及分析方法、分析装置、模型构建方法、模型构建装置、联合分析系统、电子设备和计算机可读存储介质。
技术介绍
近年来，随着不同机构间联合建立分析模型的需求不断增长，联邦学习技术得到了快速发展，联邦学习能够在满足用户隐私保护、数据安全和政府法规的要求下，联合多个机构建立分析模型并应用模型进行分析。在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题：通过联邦学习技术进行联合建模时，参与建模的双方无法实时进行时序数据的交互，导致无法将基于行为序列的特征纳入联邦学习模型中，仅能使用非行为序列特征建模，而在一些场景中，用户的行为序列特征作为关键因素会对模型准确度能够产生较大的影响，若不将基于行为序列的特征纳入联邦学习中会造成模型准确率低，分析结果不可信的问题。
技术实现思路
有鉴于此，本公开提供了分析方法、分析装置、模型构建方法、模型构建装置、联合分析系统、电子设备和计算机可读存储介质。本公开的一个方面提供了一种分析方本文档来自技高网...

【技术保护点】
1.一种分析方法，由第一机构服务器执行，包括：/n响应于接收到对目标对象的分析指令，确定分析时间段，所述分析时间段与所述目标对象的预定时序数据的时间戳相关；/n确定所述目标对象的与所述分析时间段对应的第一时序特征集合；/n至少将所述第一时序特征集合输入预先建立的第一分析子模型，得到第一中间结果；以及/n将所述第一中间结果发送至联合平台设备，以使所述联合平台设备基于所述第一中间结果和来自第二机构服务器的第二中间结果得到分析结果，所述第二机构为与所述第一机构联合分析的机构。/n

【技术特征摘要】
1.一种分析方法，由第一机构服务器执行，包括：
响应于接收到对目标对象的分析指令，确定分析时间段，所述分析时间段与所述目标对象的预定时序数据的时间戳相关；
确定所述目标对象的与所述分析时间段对应的第一时序特征集合；
至少将所述第一时序特征集合输入预先建立的第一分析子模型，得到第一中间结果；以及
将所述第一中间结果发送至联合平台设备，以使所述联合平台设备基于所述第一中间结果和来自第二机构服务器的第二中间结果得到分析结果，所述第二机构为与所述第一机构联合分析的机构。


2.根据权利要求1所述的方法，其中：
所述方法还包括：
获取所述目标对象的第一非时序数据；以及
对所述第一非时序数据进行特征提取处理，得到第一非时序特征集合；
所述至少将所述第一时序特征集合输入预先建立的第一分析子模型，得到第一中间结果包括：
将所述第一时序特征集合和所述第一非时序特征集合输入预先建立的第一分析子模型，得到第一中间结果。


3.根据权利要求1或2所述的方法，其中，所述确定所述目标对象的与所述分析时间段对应的第一时序特征集合包括：
获取所述目标对象位于所述分析时间段内的第一时序数据；
对所述第一时序数据进行特征提取处理，得到第一初始时序特征集合；
对所述第一初始时序特征集合进行表示学习处理，得到所述第一时序特征集合。


4.根据权利要求3所述的方法，其中，所述对所述第一初始时序特征集合进行表示学习处理，得到所述第一时序特征集合包括：
对所述第一初始时序特征集合进行表示学习处理，得到所述第一初始时序特征集合中每个第一初始时序特征的表示向量；以及
基于所述每个第一初始时序特征的表示向量，得到所述第一时序特征集合。


5.根据权利要求1或2所述的方法，其中，所述确定分析时间段包括：
从所述联合平台设备获得所述分析时间段，其中，所述分析时间段由所述联合平台设备基于所述第一机构服务器或者所述第二机构服务器提供的预定时序数据的时间戳确定；或者
从所述第二机构服务器获得所述预定时序数据的时间戳，并基于所述时间戳确定所述分析时间段。


6.根据权利要求5所述的方法，其中：
所述分析时间段以所述预定时序数据的时间戳作为终止时间；
所述分析时间段的起始时间与所述终止时间间隔预定时长。


7.根据权利要求1所述的方法，其中，所述第一分析子模型预先通过以下方式建立：
确定所述第一机构与所述第二机构共同拥有的多个训练对象；
针对所述多个训练对象中的每个训练对象执行以下操作：
获得与所述训练对象对应的训练时间段，所述训练时间段与所述训练对象的预定时序数据的时间戳相关；
确定与所述训练时间段对应的第一时序样本特征集合；
对第一初始子模型进行多次更新，得到所述第一分析子模型，在每次更新过程中：
至少将所述多个训练对象的第一时序样本特征集合输入所述第一初始子模型，得到第一中间数据；
将所述第一中间数据发送至所述联合平台设备，以使所述联合平台设备基于所述第一中间数据和所述第二机构服务器发送的第二中间数据得到总结果数据；
接收所述总结果数据，并基于所述总结果数据对所述第一初始子模型的参数进行更新。


8.根据权利要求2所述的方法，其中：
所述分析方法用于识别被诈骗用户；
所述第一机构用于提供金融服务，所述第二机构用于提供网络社交服务，所述第一时序特征集合和所述第一非时序特征集合包括与金融相关的特征；或者
所述第一机构用于提供网络社交服务，所述第二机构用于提供金融服务，所述第一时序特征集合和所述第一非时序特征集合包括与网络社交相关的特征。


9.一种模型构建方法，用于第一机构服务器，包括：
确定所述第一机构与参与联合建模的第二机构共同拥有的多个训练对象；
针对所述多个训练对象中的每个训练对象执行以下操作：
获得与所述训练对象对应的训练时间段，所述训练时间段与所述训练对象的预定时序数据的时间戳相关；
确定与所述训练时间段对应的第一时序样本特征集合；
对第一初始子模型进行多次更新，得到所述第一分析子模型，在每次更新过程中：
至少将所述多个训练对象的第一时序样本特征集合输入所述第一初始子模型，得到第一中间数据；
将所述第一中间数据发送至所述联合平台设备，以使所述联合平台设备基于所述第一中间数据和所述第二机构服务器发送的第二中间数据得到总结果数据；
接收所述总结果数据，并基于所述总结果数据对所述第一初始子模型的参数进行更新。


10.根据权利要求9所述的方法，其中：
所述针对所述多个训练对象中的每个训练对象执行的操作还包括：
从本地存储数据中，获取所述训练对象的第一非时序样本数据；
对所述第一非时序样本数据进行特征提取处理，得到第一非时序样本特征集合；
至少将所述多个训练对象的第一时序样本特征集合输入所述第一初始子模型，得到第一中间数据包括：
将所述多个训练对象的第一时序样本特征集合和第一非时序样本特征集合输入所述第一初始子模型，得到第一中间数据。


11.根据权利要求9所述的方法，其中，所述确定与所述训练时间段对应的第一时序样本特征集合包括：
从本地存储数据中，获取所述训练对象位于所述训练时间段内的第一时序样本数据；
对所述第一时序样本数据进行特征提取处理，得到第一初始时序样本特征集合；
对所述第一初始时序样本特征集合进行表示学习处理，得到所述第一时序样本特征集合。


12.根据权利要求11所述的方法，其中，所述对所述第一初始时序样本特征集合进行表示学习处理，得到所述第一时序样本特征集合包括：
对所述第一初始时序样本特征集合进行表示学习处理，得到所述第一初始时序样本特征集合中每个第一初始时序样本特征的表示向量；以及
基于所述每个第一初始时序样本特征的表示向量，得到所述第一时序样本特征集合。


13.根据权利要求9所述的方法，其中，所述确定所述第一机构与所述第二机构共同拥有的多个训练对象包括：
从本地数据中，获得第一机构拥有的第一对象集合的主键信息；
将所述第一对...

【专利技术属性】
技术研发人员：吕博良，程佩哲，叶红，张诚，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11