联合预测方法和装置制造方法及图纸

本说明书实施例提供了一种联合预测方法和装置。应用于数据源端的联合预测方法包括：得到第一决策算法；该第一决策算法中包括对该数据源端的私有数据的属性判断方法；根据第一决策算法，对本地的私有数据进行属性判断，得到本地决策信息；将本地决策信息提供给决策方。

【技术实现步骤摘要】
联合预测方法和装置
本说明书一个或多个实施例涉及电子信息技术，尤其涉及联合预测方法和装置。
技术介绍
大数据时代，存在非常多的数据孤岛。每个用户的数据分散存于不同的数据源端中。但是，又需要利用分散存于不同数据源端中的各种数据来进行针对用户的联合预测，以便根据联合预测的结果进行业务控制。目前，进行联合预测的方法主要是各个数据源端将各自拥有的数据均汇总发送到一个决策方，由该决策方根据获取的各个数据源端的数据进行联合预测。但是该联合预测方法，会导致数据泄露，安全性不高。因此，希望提供一种更为安全的联合预测方法。
技术实现思路
本说明书一个或多个实施例描述了联合预测方法和装置，能够提高联合预测的安全性。根据第一方面，提供了一种联合预测方法，应用于数据源端，包括：得到第一决策算法；该第一决策算法中包括对该数据源端的私有数据的属性判断方法；根据第一决策算法，对本地的私有数据进行属性判断，得到本地决策信息；将本地决策信息提供给决策方。其中，所述第一决策算法为第一树形结构；所述第一树形结构是利用该数据源端对应的至少一个节点以及每一个节点上连接的至少两条边生成的；其中，每一个节点表征：对该数据源端的一条私有数据的属性判断方法；不同的边表征不同的属性判断结果。其中，所述得到本地决策信息，包括：对于第一树形结构中该数据源端对应的每一个节点，均执行：根据该节点表征的属性判断方法以及本地的私有数据，得到属性判断结果；以及根据当前得到的属性判断结果，从该节点用于连接下一级节点的至少两条边中选择出一条决策边；该决策边表征的属性判断结果与当前得到的属性判断结果相同；根据得到的各个决策边，得到本地决策信息。其中，所述根据得到的各个决策边得到本地决策信息，包括：按照各决策边在所述第一树形结构中从根节点至叶子节点方向上的先后顺序，将各决策边的编号依次加入一个分支集合；将该分支集合确定为所述本地决策信息。其中，所述将各决策边的编号依次加入所述分支集合，包括：判断在所述第一树形结构中是否存在对应于该数据源端的至少两个相邻节点，如果是，则针对该至少两个相邻节点连接的各决策边的编号，仅将该至少两个相邻节点中最后一级节点连接的决策边的编号加入所述分支集合。其中，所述第一树形结构包括：参与所述联合预测的所有数据源端对应的节点及其中每一个节点上连接的至少两条边；或者，对应于本数据源端的节点及其中每一个节点上连接的至少两条边。根据第二方面，提供了一种联合预测方法，应用于决策方，包括：得到第二决策算法；该第二决策算法中包括参与所述联合预测的各个数据源端对应的决策分支以及各决策分支之间的关联关系；不同的决策分支表征不同的属性判断结果；获取所述各数据源端提供的各本地决策信息；根据第二决策算法以及获取的各本地决策信息，得到联合预测结果。其中，所述第二决策算法为第二树形结构；该第二树形结构包括：所述各个数据源端所得到的各第一树形结构以及各个叶子节点；每一个叶子节点对应一个预测结果；每一个所述决策分支为该第二树形结构中的一条边；各决策分支之间的关联关系为各边在第二树形结构中的连接关系；一个数据源端提供的本地决策信息包括：该数据源端从第一树形结构的各个边中选择出的决策边的信息。其中，所述得到联合预测结果，包括：根据各数据源端提供的各决策边的信息，确定各决策边在所述第二树形结构中的位置及连接关系；根据所确定出的位置及连接关系，得到从所述第二树形结构中的根节点至一个叶子节点的路径；将得到的该路径上的叶子节点确定为所述联合预测结果。根据第三方面，提供了联合预测装置，设置于数据源端中，包括：第一决策算法保存模块，被配置为得到第一决策算法；该第一决策算法中包括对该数据源端的私有数据的属性判断方法；决策获取模块，被配置为根据第一决策算法，对本地的私有数据进行属性判断，得到本地决策信息；决策提供模块，被配置为将本地决策信息提供给决策方。其中，所述第一决策算法为第一树形结构；该第一树形结构是利用该数据源端对应的至少一个节点以及每一个节点上连接的至少两条边生成的；其中，每一个节点表征：对该数据源端的一条私有数据的属性判断方法；不同的边表征不同的属性判断结果。其中，所述决策获取模块被配置为针对第一树形结构中该数据源端对应的每一个节点，均执行：根据该节点表征的属性判断方法以及本地的私有数据，得到属性判断结果；以及根据当前得到的属性判断结果，从该节点用于连接下一级节点的至少两条边中选择出决策边；该决策边表征的属性判断结果与当前得到的属性判断结果相同；根据得到的各个决策边，得到本地决策信息。其中，所述决策获取模块被配置为按照各决策边在所述第一树形结构中从根节点至叶子节点方向上的先后顺序，将各决策边的编号依次加入一个分支集合，将该分支集合确定为所述本地决策信息。其中，所述决策获取模块被配置为判断在所述第一树形结构中是否存在对应于该数据源端的至少两个相邻节点，如果是，则针对该至少两个相邻节点连接的各决策边的编号，仅将该至少两个相邻节点中最后一个节点连接的决策边的编号加入所述分支集合。其中，所述第一树形结构包括：参与所述联合预测的所有数据源端对应的节点及其中每一个节点上连接的至少两条边；或者，对应于本数据源端的节点及其中每一个节点上连接的至少两条边。根据第四方面，提供了联合预测装置，设置于决策方，包括：第二决策算法保存模块，被配置为得到第二决策算法；该第二决策算法中包括参与所述联合预测的各个数据源端对应的决策分支以及各决策分支之间的关联关系；不同的决策分支表征不同的属性判断结果；决策汇总模块，被配置为获取所述各数据源端提供的各本地决策信息；预测模块，被配置为根据第二决策算法以及获取的各本地决策信息，得到联合预测结果。其中，所述第二决策算法为第二树形结构；该第二树形结构包括：所述各个数据源端得到的各第一树形结构以及各个叶子节点；每一个叶子节点对应一个预测结果；每一个所述决策分支为该第二树形结构中的一条边；各决策分支之间的关联关系为各边在第二树形结构中的连接关系；一个数据源端提供的本地决策信息包括：该数据源端从第一树形结构的各个边中选择出的决策边的信息。其中，所述预测模块被配置为执行：根据各数据源端提供的各决策边的信息，确定各决策边在所述第二树形结构中的位置及连接关系；根据所确定出的位置及连接关系，得到从所述第二树形结构中的根节点至一个叶子节点的路径；将得到的该路径上的叶子节点确定为所述联合预测结果。根据第五方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现本说明书任一实施例所述的方法。根据本文档来自技高网...

【技术保护点】
1.联合预测方法，应用于数据源端，包括：/n得到第一决策算法；该第一决策算法中包括对该数据源端的私有数据的属性判断方法；/n根据第一决策算法，对本地的私有数据进行属性判断，得到本地决策信息；/n将本地决策信息提供给决策方。/n

【技术特征摘要】
1.联合预测方法，应用于数据源端，包括：
得到第一决策算法；该第一决策算法中包括对该数据源端的私有数据的属性判断方法；
根据第一决策算法，对本地的私有数据进行属性判断，得到本地决策信息；
将本地决策信息提供给决策方。


2.根据权利要求1所述的方法，其中，所述第一决策算法为第一树形结构；
所述第一树形结构是利用该数据源端对应的至少一个节点以及每一个节点上连接的至少两条边生成的；其中，每一个节点表征：对该数据源端的一条私有数据的属性判断方法；不同的边表征不同的属性判断结果；
所述本地决策信息包括：从第一树形结构的各个边中选择出的决策边的信息。


3.根据权利要求2所述的方法，其中，所述得到本地决策信息，包括：
对于第一树形结构中该数据源端对应的每一个节点，均执行：
根据该节点表征的属性判断方法以及本地的私有数据，得到属性判断结果；以及
根据当前得到的属性判断结果，从该节点用于连接下一级节点的至少两条边中选择出一条决策边；该决策边表征的属性判断结果与当前得到的属性判断结果相同；
得到各个决策边的信息。


4.根据权利要求3所述的方法，其中，所述得到各个决策边的信息，包括：
按照各决策边在所述第一树形结构中从根节点至叶子节点方向上的先后顺序，将各决策边的编号依次加入一个分支集合；
将该分支集合确定为所得到的各个决策边的信息。


5.根据权利要求4所述的方法，其中，所述将各决策边的编号依次加入所述分支集合，包括：
判断在所述第一树形结构中是否存在对应于该数据源端的至少两个相邻节点，如果是，则针对该至少两个相邻节点连接的各决策边的编号，仅将该至少两个相邻节点中最后一级节点连接的决策边的编号加入所述分支集合。


6.根据权利要求2至5中任一所述的方法，其中，所述第一树形结构包括：
参与所述联合预测的所有数据源端对应的节点及其中每一个节点上连接的至少两条边；
或者，
对应于本数据源端的节点及其中每一个节点上连接的至少两条边。


7.联合预测方法，应用于决策方，包括：
得到第二决策算法；该第二决策算法中包括参与所述联合预测的各个数据源端对应的决策分支以及各决策分支之间的关联关系；不同的决策分支表征不同的属性判断结果；
获取所述各数据源端提供的各本地决策信息；
根据第二决策算法以及获取的各本地决策信息，得到联合预测结果。


8.根据权利要求7所述的方法，其中，所述第二决策算法为第二树形结构；
该第二树形结构包括：所述各个数据源端所得到的各第一树形结构以及各个叶子节点；每一个叶子节点对应一个预测结果；
每一个所述决策分支为该第二树形结构中的一条边；
各决策分支之间的关联关系为各边在第二树形结构中的连接关系；
一个数据源端提供的本地决策信息包括：该数据源端从第一树形结构的各个边中选择出的决策边的信息。


9.根据权利要求8所述的方法，其中，所述得到联合预测结果，包括：
根据各数据源端提供的各决策边的信息，确定各决策边在所述第二树形结构中的位置及连接关系；
根据所确定出的位置及连接关系，得到从所述第二树形结构中的根节点至一个叶子节点的路径；
将得到的叶子节点对应的预测结果，确定为所述联合预测结果。


10.联合预测装置，设置于数据源端中，包括：
第一决策算法保存模块，被配置为得到第一决策算法；该第一...

【专利技术属性】
技术研发人员：张启超，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33