[发明专利]一种基于隐私计算的数据源融合评估方法及系统

说明书

本发明公开了一种基于隐私计算的数据源融合评估方法及系统，查询获取多个数据源的特征数据，并通过对机器学习模型进行训练计算得到每个数据源的评分auc；对各个数据源的评分auc进行排序，根据排序结果并结合各数据源的重要性筛选出排序靠后但必要选取的重要数据源；通过隐私求交的方式获取重要数据源新的变量x和标签y，通过新的变量x和标签y对机器学习模型进行重新训练，计算出重要数据源新的评分auc；根据新的评分auc，重新对各个数据源的评分auc进行排序，筛选出前N个数据源。可以在不需要数据源迭代的基础上，完成挑选出满足数据源维度充足且准确性能更好的数据源，最终使得融合评分整体的准确性提升。

技术领域

本发明涉及数据源融合评分技术领域，具体涉及一种基于隐私计算的数据源融合评估方法及系统。

背景技术

AUC：一种评估评分的准确性的指标，英文全称是AreaunderCurve，表示一个分类算法将正样本排在负样本前面的概率值，值域为0到1之间，通常来讲越大表示评分越准确。目前基于多个数据源的融合评分是业界(银行卡中心、消费金融公司、小贷机构等)开发的重点方向，但有一个技术问题是目前主流机构比较难处理的，因为不同数据源的准确性可能有较大的差别，如何做到把高准确性的评分更好的入模是开发融合评分的关键一环；针对准确性，大部分的机构会按各家融合评分的auc进行排序，筛选出auc排序靠前的评分作为待选变量，如果某一类数据源的评分auc较低，却来自于某个重要维度，譬如支付类、SDK类或者运营商类其中一类，按照传统的筛选逻辑，这类评分不一定能入模，本发明拟提供一个新的解决方案。

如果在融合评估过程中，某一个数据源的auc较低，若按照通常的处理方式直接把这类数据源剔除出现有的评分变量体系，好处是方便，但缺点是丢失了这部分变量的信息，相当于牺牲了评分变量体系的多样性，不利于后续融合评分的稳定性；另如果发现某一个数据源auc较低后，再由数据源侧进一步迭代，可能会耗费更多的人力带来时间成本的损耗，并且可能出现反复迭代，给最终融合评分开发上线的时间点带来负面影响。

发明内容

为此，本发明提供一种基于隐私计算的数据源融合评估方法及系统，以解决现有技术中单一数据源准确性不足的问题。

为了实现上述目的，本发明提供如下技术方案：

根据本发明实施例的第一方面，提出了一种基于隐私计算的数据源融合评估方法，所述方法包括：

查询获取多个数据源的特征数据，并通过对机器学习模型进行训练计算得到每个数据源的评分auc；

对计算得到的各个数据源的评分auc进行排序，根据排序结果并结合各数据源的重要性筛选出排序靠后但必要选取的重要数据源；

对得到的所述重要数据源通过隐私求交的方式获取重要数据源新的变量x和标签y，通过新的变量x和标签y对机器学习模型进行重新训练，计算出所述重要数据源新的更高的评分auc；

根据计算的重要数据源新的评分auc，重新对各个数据源的评分auc进行排序，通过多次迭代直至根据排序结果筛选出包括所述重要数据源的前N个数据源。

进一步地，根据排序结果并结合各数据源的重要性筛选出排序靠后但必要选取的重要数据源，具体包括：

根据数据源的类型判断是否为必要选取的重要数据源，所述数据源的类型包括支付类、SDK类、运营商类、互联网类。

进一步地，对得到的所述重要数据源通过隐私求交的方式获取数据源新的新的变量x和标签y，具体包括：

对单一数据源获取的多项数据进行隐私求交得到新的输入变量x和标签y。

进一步地，查询获取多个数据源的特征数据，具体包括：

首先确认用户侧的授权，特别是对于三方数据的授权是否满足合理、必要、最少化原则；其次确认授权无误后开启数据源侧的查询。