[发明专利]用户画像模型的训练方法、装置、电子设备及存储介质

说明书

本申请提供了一种用户画像模型的训练方法、装置、电子设备及存储介质，可应用于大数据领域。在用户画像模型的训练方法中，首先获取N个参与方的用户信息。然后基于用户信息，筛选出各个参与方的共同用户。针对每一个参与方，利用参与方中共同用户的用户数据对预先构建的初始网络模型进行训练，得到训练后的模型的模型参数。接着将各个参与方的模型参数进行聚合，得到聚合后的模型参数。最后利用聚合后的模型参数更新初始网络模型，并返回执行针对每一个参与方，利用参与方中共同用户的用户数据对预先构建的初始网络模型进行训练，得到训练后的模型的模型参数，直至符合预设的结束条件为止，并得到最终的用户画像模型。

技术领域

本申请涉及大数据技术领域，尤其涉及一种用户画像模型的训练方法、装置、电子设备及存储介质。

背景技术

对于类似银行这种金融机构来说，能够精准的描绘用户的用户画像，对银行的业务发展和客户挖掘是十分重要的。

但是银行之间的数据是相互隔离的，由于用户隐私以及监管要求，银行之间无法实现数据共享，而单独基于一家银行的本地金融业务数据很难构建出全面优质的用户画像模型，构建出的用户画像模型无法准确的描绘出用户的用户画像，不利于银行的业务发展和客户挖掘。

发明内容

有鉴于此，本申请提供了一种用户画像模型的训练方法、装置、电子设备及存储介质，以解决现有技术中单独基于一家银行的本地金融业务数据很难构建出全面优质的用户画像模型，构建出的用户画像模型无法准确的描绘出用户的用户画像，不利于银行的业务发展和客户挖掘的问题。

为实现上述目的，本申请提供如下技术方案：

本申请第一方面公开了一种用户画像模型的训练方法，包括：

获取N个参与方的用户信息，其中，N为大于1的正整数；

基于所述用户信息，筛选出各个所述参与方的共同用户；

针对每一个所述参与方，利用所述参与方中所述共同用户的用户数据对预先构建的初始网络模型进行训练，得到训练后的模型的模型参数；

将各个所述参与方的所述模型参数进行聚合，得到聚合后的模型参数；

利用所述聚合后的模型参数更新所述初始网络模型，并返回执行所述针对每一个所述参与方，利用所述参与方中所述共同用户的用户数据对预先构建的初始网络模型进行训练，得到训练后的模型的模型参数，直至符合预设的结束条件为止，并得到最终的用户画像模型。

可选的，上述的方法，所述利用所述参与方中所述共同用户的用户数据对预先构建的初始网络模型进行训练，得到训练后的模型的模型参数包括：

将所述共同用户的用户数据进行特征处理，得到所述共同用户的用户特征；

将所述用户特征输入到预先构建的初始网络模型中进行训练，得到训练后的模型的模型参数。

可选的，上述的方法，所述利用所述参与方中所述共同用户的用户数据对预先构建的初始网络模型进行训练之前，还包括：

对所述共同用户的用户数据进行数据预处理。

可选的，上述的方法，所述得到最终的用户画像模型之后，还包括：

对所述最终的用户画像模型进行效果评估。

本申请第二方面公开了一种用户画像模型的训练装置，包括：

获取单元，用于获取N个参与方的用户信息，其中，N为大于1的正整数；

筛选单元，用于基于所述用户信息，筛选出各个所述参与方的共同用户；