[发明专利]推荐模型的训练方法、拟合方法、装置和电子设备

权利要求书

1.一种推荐模型的训练方法，应用于安全多方计算领域，所述推荐模型用于推荐拟合参数的取值，所述拟合参数用于确定能够拟合激励函数的拟合函数；所述拟合函数包括多个函数项的线性组合，用于代替激励函数构建业务模型，以便第一方根据第一训练样本的特征数据、第二方根据第一训练样本的标签，采用秘密分享算法联合训练业务模型；所述方法包括：

获取数据集的属性信息；

根据所述数据集，确定拟合参数的取值；

根据属性信息和拟合参数的取值，构建第二训练样本；

根据第二训练样本，对所述推荐模型进行训练；

其中，所述采用秘密分享算法联合训练业务模型，包括：

第一方接收第三方发送的参数U和参数Z₁，第二方接收第三方发送的参数V和参数Z₂，Z₁+Z₂＝UV；第一方根据参数U、参数Z₁以及第一训练样本的特征数据，第二方根据参数V、参数Z₂以及第一训练样本的标签，采用秘密分享算法计算所述业务模型中的拟合函数。

2.如权利要求1所述的方法，所述拟合函数包括傅立叶级数；

所述拟合参数包括以下至少一种：第一参数、第二参数；所述第一参数用于表示傅立叶级数的展开阶数，所述第二参数用于表示傅立叶级数的拟合区间。

3.如权利要求1所述的方法，所述数据集包括至少一个数据，每个所述数据包括在至少一种特征维度下的子数据；所述属性信息包括以下至少一种：

特征维度的种类数；

特征维度下的子数据的最值；

特征维度下的子数据的第一指标，所述第一指标用于表示子数据的集中趋势；

特征维度下的子数据的第二指标，所述第二指标用于表示子数据的离散程度。

4.如权利要求1所述的方法，所述确定拟合参数的取值，包括：

根据所述数据集，确定各拟合参数的多个可能取值；

将各拟合参数的可能取值进行组合，得到多个拟合参数取值组；

根据多个拟合参数取值组，确定多个拟合函数；

从多个拟合函数中选取拟合效果较优的目标拟合函数；

确定目标拟合函数对应的拟合参数取值组。

5.如权利要求1所述的方法，所述构建第二训练样本，包括：

以属性信息为特征数据，以拟合参数的取值为标签，根据特征数据和标签构建第二训练样本。

6.一种拟合方法，应用于安全多方计算领域，所述方法由第一方执行，所述第一方持有训练样本的特征数据，所述方法包括：

获取特征集的属性信息，所述特征集中包括所述训练样本的特征数据；

将属性信息输入至推荐模型，得到推荐模型推荐的拟合参数的取值；

根据拟合参数的取值，确定与所述特征集对应的能够拟合激励函数的拟合函数；所述拟合函数包括多个函数项的线性组合，用于代替激励函数构建业务模型，以便第一方根据所述特征集、第二方根据所述训练样本的标签，采用秘密分享算法联合训练所述业务模型；

其中，所述采用秘密分享算法联合训练业务模型，包括：

第一方接收第三方发送的参数U和参数Z₁，第二方接收第三方发送的参数V和参数Z₂，Z₁+Z₂＝UV；第一方根据参数U、参数Z₁以及第一训练样本的特征数据，第二方根据参数V、参数Z₂以及第一训练样本的标签，采用秘密分享算法计算所述业务模型中的拟合函数。

7.如权利要求6所述的方法，所述特征集包括至少一个数据，每个所述数据包括在至少一种特征维度下的子数据；所述属性信息包括以下至少一种：

特征维度的种类数；

特征维度下的子数据的最值；

特征维度下的子数据的第一指标，所述第一指标用于表示子数据的集中趋势；

特征维度下的子数据的第二指标，所述第二指标用于表示子数据的离散程度。