[发明专利]数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取多个客户终端分别发送的模型参数；其中，每一客户终端发送的模型参数为所述客户终端根据本地训练样本对全局模型进行训练后得到的模型参数；

针对每一客户终端，通过从所述客户终端获取到的模型参数，对待测试的数据进行处理，得到对应的特征向量；

根据通过各个模型参数得到的特征向量，对自编码器进行训练，得到对应的隐向量；

根据所述隐向量确定所述待测试的数据对应的评估结果。

2.根据权利要求1所述的方法，其特征在于，还包括：

从各个客户终端抽取训练样本，组成测试数据集；其中，从每一客户终端抽取的训练样本的数量均在预设数量范围内；所述待测试的数据包括所述测试数据集；

相应的，根据所述隐向量确定所述待测试的数据对应的评估结果，包括：

根据所述测试数据集对应的隐向量，确定所述测试数据集对应的评估结果；

根据所述测试数据集对应的评估结果，确定各个客户终端对应的评估结果分布情况。

3.根据权利要求1或2所述的方法，其特征在于，根据通过各个模型参数得到的特征向量，对自编码器进行训练，得到对应的隐向量，包括：

将通过各个模型参数得到的特征向量进行拼接；

将拼接后的特征向量作为所述自编码器的输入和输出，对所述自编码器进行训练，得到对应的隐向量；

其中，所述自编码器中隐向量的维度小于输入的特征向量的维度。

4.根据权利要求1或2所述的方法，其特征在于，通过从所述客户终端获取到的模型参数，对待测试的数据进行处理，得到对应的特征向量，包括：

将待测试的数据输入到所述模型参数对应的模型中，得到最后一层卷积层输出的特征向量。

5.根据权利要求1所述的方法，其特征在于，在根据所述隐向量确定所述待测试的数据对应的评估结果之前，还包括：

对所述多个客户终端的模型参数进行聚合，得到更新后的全局模型；

判断所述更新后的全局模型是否收敛；

若所述全局模型处于收敛状态，则训练得到的隐向量为最终隐向量；

相应的，根据所述隐向量确定所述待测试的数据对应的评估结果，包括：

根据所述最终隐向量确定所述待测试的数据对应的评估结果。

6.根据权利要求5所述的方法，其特征在于，还包括：

若所述全局模型处于未收敛状态，则重复执行如下步骤，直至全局模型收敛：

将所述全局模型的模型参数分别下发给所述多个客户终端，以从多个客户终端重新获取训练后的模型参数，并根据通过模型参数得到的特征向量继续训练所述自编码器，得到对应的隐向量。

7.根据权利要求1所述的方法，其特征在于，所述待测试的数据为用户的资产数据，所述隐向量为所述资产数据对应的隐向量；

根据所述隐向量确定所述待测试的数据对应的评估结果，包括：

根据所述资产数据对应的隐向量，以及所述用户的购买记录和/或偏好信息，评估所述用户的购买力信息，以根据所述购买力信息向所述用户推送对应的商品信息。

8.一种数据处理装置，其特征在于，包括：

获取模块，用于获取多个客户终端分别发送的模型参数；其中，每一客户终端发送的模型参数为所述客户终端根据本地训练样本对全局模型进行训练后得到的模型参数；

处理模块，用于针对每一客户终端，通过从所述客户终端获取到的模型参数，对待测试的数据进行处理，得到对应的特征向量；

训练模块，用于根据通过各个模型参数得到的特征向量，对自编码器进行训练，得到对应的隐向量；

确定模块，用于根据所述隐向量确定所述待测试的数据对应的评估结果。

9.一种数据处理设备，其特征在于，所述数据处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序被所述处理器执行时实现如权利要求1-7中任一项所述的数据处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现如权利要求1-7中任一项所述的数据处理方法的步骤。