[發明專利]基于循環神經網絡的數據處理方法、設備及介質

在審

• 申請號: 202010595987.1
• 申請日: 2020-06-24
• 公開（公告）號: CN111737921A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 張天豫;范力欣;吳錦和;蔡杭;李月
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F111/10
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 陳文斌

本申請公開了一種基于循環神經網絡的數據處理方法、裝置、設備和介質，該方法包括：獲取待處理時序數據，將所述待處理時序數據輸入至數據處理模型中；所述數據處理模型為對不同時刻的循環神經網絡模型進行迭代訓練得到的，其中，同一時刻的循環神經網絡模型為第二樣本時序數據聯合同一目標時刻的第一設備的第一樣本時序數據進行聯邦前向傳播訓練后，進行聯邦后向傳播訓練得到的；基于所述數據處理模型對所述待處理時序數據執行預設數據處理流程，得到所述待處理時序數據的目標預測標簽。本申請解決現有技術中，不同數據方之間不能直接進行時序數據的交互，導致模型構建時長過長，計算效率變低的技術問題。

技術領域

本申請涉及金融科技(Fintech)的人工智能技術領域，尤其涉及一種基于循環神經網絡的數據處理方法、設備及介質。

背景技術

隨著金融科技，尤其是互聯網科技金融的不斷發展，越來越多的技術(如分布式、區塊鏈Blockchain、人工智能等)應用在金融領域，但金融業也對技術提出了更高的要求，如對金融業對數據處理也有更高的要求。

循環神經網絡(Recurrent Neural Network，RNN)模型常用于處理時序數據，其中，時序數據指的是基于時間序列排列的數據，時序數據包括同一用戶的同一時刻，在不同數據源如不同服務器上的特征數據，例如，用戶X在便利店購買了A商品，在便利店的服務器中產生一條新的銷售記錄，同時，用戶X在銀行系統的服務器也伴隨著產生一條新的支出記錄，另外，時序數據還包括同一用戶的不同時刻，在不同數據源如不同服務器上的特征數據，例如，同一用戶在不同時刻消耗的水費、電費和燃氣費等特征數據為同一用戶的不同時刻，在不同數據源上的特征數據。

目前，不同時序數據存儲在不同數據持有方或者數據方的服務器上，出于對時序數據的隱私保護，不同服務器之間不能直接進行時序數據的交互，即各服務器之間不能共享各自的時序數據以進行聯合建模，進而導致各服務器建模的時序數據過少，且建模的時序數據的特征豐富度過低，導致模型構建時所花費的時長變長，導致計算效率變低。

發明內容

本申請的主要目的在于提供一種基于循環神經網絡的數據處理方法、裝置、設備和介質，旨在解決現有技術中，不同數據方之間不能直接進行時序數據的交互，導致模型構建時長過長，計算效率變低的技術問題。

為實現上述目的，本申請提供一種基于循環神經網絡的數據處理方法，所述基于循環神經網絡的數據處理方法應用于第二設備，所述第二設備中包括各個時刻的具有預設標簽的第二樣本時序數據，所述基于循環神經網絡的數據處理方法包括：

獲取待處理時序數據，將所述待處理時序數據輸入至數據處理模型中；

所述數據處理模型為對不同時刻的循環神經網絡模型進行迭代訓練得到的，其中，同一時刻的循環神經網絡模型為第二樣本時序數據聯合同一目標時刻的第一設備的第一樣本時序數據進行聯邦前向傳播訓練后，進行聯邦后向傳播訓練得到的；

基于所述數據處理模型對所述待處理時序數據執行預設數據處理流程，得到所述待處理時序數據的目標預測標簽。

本申請還提供一種基于循環神經網絡的數據處理裝置，所述基于循環神經網絡的數據處理裝置應用于第二設備，所述第二設備中包括各個時刻的具有預設標簽的第二樣本時序數據，所述基于循環神經網絡的數據處理裝置包括：

第一獲取模塊，用于獲取待處理時序數據，將所述待處理時序數據輸入至數據處理模型中；

所述數據處理模型為對不同時刻的循環神經網絡模型進行迭代訓練得到的，其中，同一時刻的循環神經網絡模型為第二樣本時序數據聯合同一目標時刻的第一設備的第一樣本時序數據進行聯邦前向傳播訓練后，進行聯邦后向傳播訓練得到的；

處理模塊，用于基于所述數據處理模型對所述待處理時序數據執行預設數據處理流程，得到所述待處理時序數據的目標預測標簽。