【技术实现步骤摘要】
本申请涉及金融科技，具体而言，涉及一种产品推广信息的确定方法、装置、存储介质及电子设备。
技术介绍
1、客户关系管理系统(crm，customer relationship management)主要用于对客户数据进行收集、存储和处理。随着大数据和数字化转型的推进，为了更好地推广业务，企业对客户数据的收集和处理需求持续增长，具体的，存在一个机构与其他多个机构协作完成业务推广的需求，但是，数据是一个机构的重要资产，其他机构可能不愿意共享自身的源数据，虽然数据加密能够提高数据的安全性，但常规的数据处理技术难以直接应用于加密的数据，这增加了业务完成的难度。
2、针对相关技术中在多个机构共同协作完成业务的场景下，机构间不愿意分享自身的源数据，造成的业务处理复杂的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请提供一种产品推广信息的确定方法、装置、存储介质及电子设备，以解决相关技术中在多个机构共同协作完成业务的场景下，机构间不愿意分享自身的源数据，造成的业务处理复杂的问题。
2、根据本申请的一个方面，提供了一种产品推广信息的确定方法。该方法包括：通过联邦学习算法基于m个候选机构的数据训练目标模型，并基于目标模型预测产品销量的多个影响因素，其中，m为正整数；通过数据挖掘算法挖掘m个候选机构的客户特征，得到m组目标客户特征，其中，目标客户特征为加噪的特征，每组目标客户特征用于确定一个候选机构在多种影响因素下的影响值；基于每组目标客户特征以及多种影响因素确定一个
3、可选地，通过联邦学习算法基于m个候选机构的数据训练目标模型包括：确定初始模型，其中，初始模型用于预测产品销量的影响因素；接收m个候选机构加密传递的m个梯度更新参数，其中，每个候选机构根据自身的机构数据确定梯度更新参数；对m个梯度更新参数进行校验，并在校验通过的情况下聚合m个梯度更新参数，得到聚合后的梯度更新参数，其中，校验方式至少包括以下之一：数据类型校验、数据格式校验以及数据分布校验；根据聚合后的梯度更新参数更新初始模型，得到目标模型。
4、可选地，目标模型至少包括以下之一：聚类模型、回归模型以及生存分析模型。
5、可选地，通过数据挖掘算法挖掘m个候选机构的客户特征，得到m组目标客户特征包括：对每个候选机构的客户数据通过差分隐私算法进行加噪处理，得到加噪数据；对加噪数据进行聚合运算，得到目标客户数据，并从目标客户数据中提取特征，得到一组目标客户特征。
6、可选地，在通过数据挖掘算法挖掘m个候选机构的客户特征之前，该方法还包括：根据数据挖掘需求确定数据预处理的类型和数据预处理的顺序，其中，数据预处理的类型至少包括以下之一：数据清洗、数据转换、数据规约以及数据离散化；基于顺序和类型对每个候选机构的特征进行数据预处理，并通过数据挖掘算法挖掘m个候选机构的预处理后的客户特征。
7、可选地，基于每组目标客户特征以及多种影响因素确定一个候选机构的影响分数包括：确定每种影响因素的权重值，根据影响因素的权重值对一组目标客户特征在多种影响因素下的影响值进行加权求和，得到一个候选机构的影响分数。
8、可选地，基于m个候选机构的影响分数确定待推广的目标机构以及目标机构的产品推广量包括：筛选影响分数位于预设分位数以上的候选机构，得到至少一个目标机构；获取每个目标机构的机构属性和影响分数，根据机构属性和影响分数确定推广量比例，并根据总推广量和推广量比例确定每个目标机构的产品推广量。
9、根据本申请的另一方面，提供了一种产品推广信息的确定装置。该装置包括：建模单元，用于通过联邦学习算法基于m个候选机构的数据训练目标模型，并基于目标模型预测产品销量的多个影响因素，其中，m为正整数；数据挖掘单元，用于通过数据挖掘算法挖掘m个候选机构的客户特征，得到m组目标客户特征，其中，目标客户特征为加噪的特征，每组目标客户特征用于确定一个候选机构在多种影响因素下的影响值；第一确定单元，用于基于每组目标客户特征以及多种影响因素确定一个候选机构的影响分数，并基于m个候选机构的影响分数确定待推广的目标机构以及目标机构的产品推广量，得到产品推广信息。
10、根据本专利技术实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质用于存储程序，其中，程序运行时控制非易失性存储介质所在的设备执行一种产品推广信息的确定方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，包含处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种产品推广信息的确定方法。
12、通过本申请，采用以下步骤：通过联邦学习算法基于m个候选机构的数据训练目标模型，并基于目标模型预测产品销量的多个影响因素，其中，m为正整数；通过数据挖掘算法挖掘m个候选机构的客户特征，得到m组目标客户特征，其中，目标客户特征为加噪的特征，每组目标客户特征用于确定一个候选机构在多种影响因素下的影响值；基于每组目标客户特征以及多种影响因素确定一个候选机构的影响分数，并基于m个候选机构的影响分数确定待推广的目标机构以及目标机构的产品推广量，得到产品推广信息，解决了相关技术中在多个机构共同协作完成业务的场景下，机构间不愿意分享自身的源数据，造成的业务处理复杂的问题。通过联邦学习算法确定产品销量的多个影响因素，通过数据挖掘算法挖掘加噪的目标客户特征基于二者确定产品推广信息，进而达到了在产品推广业务过程中降低数据处理的复杂度、提高数据处理的安全性的效果。
本文档来自技高网...【技术保护点】
1.一种产品推广信息的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过联邦学习算法基于M个候选机构的数据训练目标模型包括：
3.根据权利要求1所述的方法，其特征在于，所述目标模型至少包括以下之一：聚类模型、回归模型以及生存分析模型。
4.根据权利要求1所述的方法，其特征在于，通过数据挖掘算法挖掘所述M个候选机构的客户特征，得到M组目标客户特征包括：
5.根据权利要求1所述的方法，其特征在于，在通过数据挖掘算法挖掘所述M个候选机构的客户特征之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，基于每组目标客户特征以及所述多种影响因素确定一个候选机构的影响分数包括：
7.根据权利要求1所述的方法，其特征在于，基于所述M个候选机构的影响分数确定待推广的目标机构以及所述目标机构的产品推广量包括：
8.一种产品推广信息的确定装置，其特征在于，包括：
9.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序，其中，所述程序运行时控制所述计算机存储介
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至7中任意一项所述的产品推广信息的确定方法。
...【技术特征摘要】
1.一种产品推广信息的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过联邦学习算法基于m个候选机构的数据训练目标模型包括：
3.根据权利要求1所述的方法，其特征在于，所述目标模型至少包括以下之一：聚类模型、回归模型以及生存分析模型。
4.根据权利要求1所述的方法，其特征在于，通过数据挖掘算法挖掘所述m个候选机构的客户特征，得到m组目标客户特征包括：
5.根据权利要求1所述的方法，其特征在于，在通过数据挖掘算法挖掘所述m个候选机构的客户特征之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，基于每组目标客户特征以及所述多种...
【专利技术属性】
技术研发人员：宋育全，郭相林，徐琳玲，
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：
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。