[发明专利]模型构建优化方法、设备、介质及计算机程序产品

说明书

本申请公开了一种模型构建优化方法、设备、介质及计算机程序产品，所述模型构建优化方法应用于第一设备，所述模型构建优化方法包括：获取特征提取模型，并基于与第二设备关联的样本对齐结果，提取第一方重叠样本和第一方非重叠样本；基于所述第一方重叠样本和所述第一方非重叠样本，通过与所述第二设备进行对比学习交互，联合所述第二设备中的第二方重叠样本，生成所述特征提取模型对应的对比学习损失；基于所述对比学习损失，优化所述特征提取模型，获得目标特征提取模型。本申请解决了特征提取生成的样本表征所包含的信息量低的技术问题。

技术领域

本申请涉及金融科技(Fintech)的机器学习技术领域，尤其涉及一种模型构建优化方法、设备、介质及计算机程序产品。

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、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。

随着计算机技术的不断发展，机器学习的应用也越来越广泛，在进行模型构建时，常常会将样本映射至潜在空间进行降维后作为模型输入，也即，通过特征提取模型对样本进行特征提取，获得样本表征，进而将样本表征作为模型输入，目前，特征提取模型通常以生成对抗网络的方式进行构建，但是，由于编码器在进行编码时，通常会产生一定的信息丢失，进而将导致基于特征提取生成样本表征所包含的信息量较低。

发明内容

本申请的主要目的在于提供一种模型构建优化方法、设备、介质及计算机程序产品，旨在解决现有技术中特征提取生成的样本表征所包含的信息量低的技术问题。

为实现上述目的，本申请提供一种模型构建优化方法，所述模型构建优化方法应用于第一设备，所述模型构建优化方法包括：

获取特征提取模型，并基于与第二设备关联的样本对齐结果，提取第一方重叠样本和第一方非重叠样本；

基于所述第一方重叠样本和所述第一方非重叠样本，通过与所述第二设备进行对比学习交互，联合所述第二设备中的第二方重叠样本，生成所述特征提取模型对应的对比学习损失；

基于所述对比学习损失，优化所述特征提取模型，获得目标特征提取模型。

为实现上述目的，本申请还提供一种模型构建优化方法，所述模型构建优化方法应用于第二设备，所述模型构建优化方法包括：

获取第二方特征提取模型与第二方重叠样本，并基于所述第二方特征提取模型，将所述第二方重叠样本映射为第二方重叠样本表征；

将所述第二方重叠样本表征发送至第一设备，以供第一设备基于所述第二方重叠样本表征、生成的第一方重叠样本表征以及生成的第一方非重叠样本表征，计算对比学习损失。

为实现上述目的，本申请还提供一种样本类别预测方法，所述样本类别预测方法应用于第一设备，所述样本类别预测方法包括：

获取待预测样本，并基于目标特征提取模型，对所述待预测样本进行特征提取，获得所述待预测样本对应的待预测样本表征，其中，所述目标特征提取模型是基于第一设备中的第一方重叠样本和第一方非重叠样本以及第二设备中的第二方重叠样本进行对比学习和联邦学习构建的；

基于目标类别预测模型，通过与所述第二设备进行纵向联邦预测交互，对所述待预测样本表征进行样本类别预测，获得所述待预测样本对应的目标类别预测结果。

本申请还提供一种模型构建优化装置，所述模型构建优化装置为虚拟装置，且所述模型构建优化装置应用于第一设备，所述模型构建优化装置包括：

获取模块，用于获取特征提取模型，并基于与第二设备关联的样本对齐结果，提取第一方重叠样本和第一方非重叠样本；