[發明專利]全局特征重要性表征方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010629924.3
• 申請日: 2020-07-03
• 公開（公告）號: CN111523681A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 方文靜;王力
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06F21/62
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 朱娟

1.一種全局特征重要性表征方法，包括：

構建隱私樹模型，其中，所述隱私樹模型與多個分裂方對應，所述分裂方包括一個主動方及至少一個被動方；

獲取第一訓練數據，所述主動方根據所述第一訓練數據計算增益，得到主動方增益，并接收各被動方的增益，根據所述主動方增益及所述被動方增益對所述隱私樹模型進行訓練；其中，所述主動方增益與主動方特征對應，所述被動方增益與被動方特征對應；

在所述訓練過程中，記錄每次分裂對應的被動方、被動方特征標簽及一個或多個預置指標項的數值，并在訓練完成后根據所述預置指標項的數值對所述被動方特征標簽及所述主動方特征進行匯總，得到所述隱私樹模型的特征重要性，其中，所述被動方特征標簽用于對所述被動方特征進行匿名標識。

2.根據權利要求1所述的方法，所述主動方根據所述第一訓練數據計算增益，得到主動方增益包括：

根據所述第一訓練數據確定主動方的特征集合，依次根據所述主動方特征集合中的每個特征計算增益，得到主動方中每個所述特征對應的增益。

3.根據權利要求1所述的方法，所述根據所述主動方增益及被動方增益對所述隱私樹模型進行訓練包括：

S1，根據所述主動方增益及所述被動方增益對所述隱私樹模型的節點進行分裂，得到分裂樹，其中，所述分裂樹包括多個節點，每個所述節點與分裂的特征及分裂方對應；

S2，當獲取到當前的分裂樹后，對當前分裂樹的一階導數及二階導數進行更新，根據更新后的一階導數及二階導數計算主動方增益及被動方增益，并根據新的主動方增益及新的被動方增益進行再次分裂，得到下一棵分裂樹，并重復步驟S2，得到多棵分裂樹。

4.根據權利要求1所述的方法，所述在所述訓練過程中，記錄每次分裂對應的被動方、被動方特征標簽及一個或多個預置指標項的數值包括：

在所述訓練過程中，獲取每次分裂時對應的被動方及與所述被動方對應的特征標簽，并將所述被動方及所述被動方特征標簽進行存儲；

計算每次分裂時與所述被動方特征標簽對應的預置指標項的數值，并將所述預置指標項數值進行存儲。

5.根據權利要求1所述的方法，所述在訓練完成后根據所述預置指標項的數值對所述被動方特征標簽及所述主動方特征進行匯總，得到所述隱私樹模型的特征重要性包括：

在訓練完成后統計所述主動方每個特征對應的預置指標項的數值，以及所述被動方每個特征標簽對應的預置指標項的數值；

根據所述預置指標項數值對所述主動方所有特征及所述被動方所有特征標簽進行排序，得到特征重要性。

6.根據權利要求5所述的方法，在所述根據所述預置指標項數值對所述主動方所有特征及所述被動方所有特征標簽進行排序，得到特征重要性之后，還包括：

將所述被動方所有特征標簽對應的排序結果發送給所有被動方。

7.一種全局特征重要性的表征裝置，包括：

構建模塊，用于構建隱私樹模型，其中，所述隱私樹模型與多個分裂方對應，所述分裂方包括一個主動方及至少一個被動方；

訓練模塊，用于獲取第一訓練數據，所述主動方根據所述第一訓練數據計算增益，得到主動方增益，并接收各被動方的增益，根據所述主動方增益及所述被動方增益對所述隱私樹模型進行訓練；其中，所述主動方增益與主動方特征對應，所述被動方增益與被動方特征對應；

表征模塊，用于在所述訓練過程中，記錄每次分裂對應的被動方、被動方特征標簽及一個或多個預置指標項的數值，并在訓練完成后根據所述預置指標項的數值對所述被動方特征標簽及所述主動方特征進行匯總，得到所述隱私樹模型的特征重要性，其中，所述被動方特征標簽用于對所述被動方特征進行匿名標識。

8.根據權利要求7所述的裝置，所述訓練模塊還用于根據所述第一訓練數據確定主動方的特征集合，依次根據所述主動方特征集合中的每個特征計算增益，得到主動方中每個所述特征對應的增益。