[发明专利]纵向联邦模型的训练方法、信息推荐方法、装置及设备

权利要求书

1.一种纵向联邦模型的训练方法，其特征在于，所述纵向联邦模型的训练方法应用于第一电子设备，所述方法包括：

响应于用户的操作，获取所述操作产生的流式数据；

对所述流式数据进行处理，生成纵向联邦模型的第一流式数据样本，所述第一流式数据样本中包括样本标签，样本时间，至少一个样本特征和用户标识；

根据预设时间段和第二电子设备中多个第二流式数据样本的用户标识，对多个第一流式数据样本进行样本对齐处理，并对多个对齐处理后的第一流式数据样本进行过滤处理，获取多个目标流式数据样本；

使用所述多个目标流式数据样本对所述纵向联邦模型进行多轮训练，得到训练好的纵向联邦模型，所述纵向联邦模型用于根据用户的特征信息，获取所述用户的预测结果或分类结果。

2.根据权利要求1所述的方法，其特征在于，所述生成联邦模型的第一流式数据样本之后，所述方法还包括：

利用哈希算法将所述第一流式数据样本的用户标识分别存储在预先建立的多个分区中；

相应的，所述根据预设时间段和第二电子设备中多个第二流式数据样本的用户标识，对多个第一流式数据样本进行样本对齐处理，包括：

获取每个分区中样本时间处于所述预设时间段中的多个第一用户标识；

接收所述第二电子设备发送的每个分区中的多个第二用户标识；

针对每个分区，将所述分区中的多个第一用户标识与获取的所述第二电子设备对应分区的多个第二用户标识进行样本对齐处理，获取多个目标用户标识；

根据所述多个目标用户标识，获取多个对齐处理后的第一流式数据样本。

3.根据权利要求1或2所述的方法，其特征在于，所述过滤处理包括异常值检测处理，缺失值检测处理以及归一化处理中的至少一种。

4.根据权利要求3所述的方法，其特征在于，使用多个目标流式数据样本对所述纵向联邦模型进行多轮训练之前，所述方法还包括：

使用存储在纵向联邦模型训练数据库中的本地数据样本对初始联邦模型进行训练，得到所述纵向联邦模型。

5.根据权利要求2所述的方法，其特征在于，所述获取每个分区中样本时间处于所述预设时间段中的多个第一用户标识，包括：

对样本时间处于所述预设时间段的多个用户标识进行加密处理，得到多个所述第一用户标识。

6.一种信息推荐方法，其特征在于，包括：

获取用户的特征信息；

将所述用户的特征信息输入至预先获取的训练好的纵向联邦模型，得到所述用户的预测结果或分类结果，所述训练好的纵向联邦模型是根据响应于多个用户的操作获取的多个流式数据，预设时间段，多个第二流式数据样本的用户标识对纵向联邦模型进行多轮训练得到的；

根据所述预测结果或所述分类结果，向所述用户进行信息推荐。

7.根据权利要求6所述的方法，其特征在于，所述获取用户的特征信息，包括：

根据所述用户的用户标识，从用户信息数据库中获取该用户的特征信息。

8.一种纵向联邦模型的训练装置，其特征在于，所述纵向联邦模型的训练装置应用于第一电子设备，所述装置包括：

获取模块，用于响应于用户的操作，获取所述操作产生的流式数据；

处理模块，用于对所述流式数据进行处理，生成纵向联邦模型的第一流式数据样本，所述第一流式数据样本中包括样本标签，样本时间，至少一个样本特征和用户标识；

所述处理模块，还用于根据预设时间段和第二电子设备中多个第二流式数据样本的用户标识，对多个第一流式数据样本进行样本对齐处理，并对多个对齐处理后的第一流式数据样本进行过滤处理，获取多个目标流式数据样本；

所述处理模块，还用于使用所述多个目标流式数据样本对所述纵向联邦模型进行多轮训练，得到训练好的纵向联邦模型，所述纵向联邦模型用于根据用户的特征信息，获取所述用户的预测结果或分类结果。