[发明专利]多方联合决策树构建方法、设备及可读存储介质

说明书

本申请公开了一种多方联合决策树构建方法、设备及可读存储介质，所述多方联合决策树构建方法包括：获取第一样本数据和待构建树信息，并基于所述第一样本数据和所述待构建树信息，通过与各第二设备进行联邦交互，计算特征分裂增益数据，基于所述特征分裂增益数据，确定符合预设特征分裂增益条件的目标增益分裂点集合，以构建所述待构建树信息对应的联合构建决策树。本申请解决了纵向联邦学习建模时计算效率低的技术问题。

技术领域

本申请涉及金融科技(Fintech)的人工智能领域，尤其涉及一种多方联合决策树构建方法、设备及可读存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。

随着计算机软件和人工智能的不断发展，机器学习建模的应用也越来越广泛，其中GBDT(Gradient Boosting Decision Tree，梯度提升迭代决策树)算法常常被用于风控、推荐等应用场景中的纵向联邦学习，目前，随着联邦学习技术的出现，可以通过利用多方的数据来建立共同的机器学习模型，以增强模型效果和更充分地使用数据，且不泄露任一联邦学习参与方的数据，而现有的纵向GBDT联邦建模算法可支持一个数据提供方和一个数据使用方进行双方交互以进行联合建模，但是，一个数据提供方和一个数据使用方的数据量往往是较少的，并不利于纵向GBDT联邦建模算法模型快速、高效的学习到样本的模式分布，导致样本数据利用不充分和捕捉样本标签的模式分布不充分，进而导致在构建算法模型时需要的构建时间更长，需要消耗的系统计算资源更多且模型构建算法效果不满足现实建模需求，进而导致构建算法模型时的计算效率极低，所以，现有技术中存在纵向联邦学习建模时计算效率低的技术问题。

发明内容

本申请的主要目的在于提供一种多方联合决策树构建方法、设备及可读存储介质，旨在解决现有技术中纵向联邦学习建模时计算效率低的技术问题。

为实现上述目的，本申请提供一种多方联合决策树构建方法，所述多方联合决策树构建方法应用于第一设备，所述多方联合决策树构建方法包括：

获取第一样本数据和待构建树信息，并基于所述第一样本数据和所述待构建树信息，通过与各第二设备进行联邦交互，计算特征分裂增益数据；

基于所述特征分裂增益数据，确定符合预设特征分裂增益条件的目标增益分裂点集合，以构建所述待构建树信息对应的联合构建决策树。

本申请还提供一种多方联合决策树构建装置，所述多方联合决策树构建装置为虚拟装置，且所述多方联合决策树构建装置应用于第一设备，所述多方联合决策树构建装置包括：

联邦模块，用于获取第一样本数据和待构建树信息，并基于所述第一样本数据和所述待构建树信息，通过与各第二设备进行联邦交互，计算特征分裂增益数据；

确定模块，用于基于所述特征分裂增益数据，确定符合预设特征分裂增益条件的目标增益分裂点集合，以构建所述待构建树信息对应的联合构建决策树。

本申请还提供一种多方联合决策树构建设备，所述多方联合决策树构建设备为实体设备，所述多方联合决策树构建设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述多方联合决策树构建方法的程序，所述多方联合决策树构建方法的程序被处理器执行时可实现如上述的多方联合决策树构建方法的步骤。

本申请还提供一种可读存储介质，所述可读存储介质上存储有实现多方联合决策树构建方法的程序，所述多方联合决策树构建方法的程序被处理器执行时实现如上述的多方联合决策树构建方法的步骤。