[發明專利]一種資源分配方法以及裝置

在審

• 申請號: 202010699956.0
• 申請日: 2020-07-17
• 公開（公告）號: CN111833180A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 張博;姚玥;胡卓群;李文軍;劉興玲;瞿彬清;張黎;王輝;魏然亮;石瑋;楊敦祎;鐘洋;劉照星;李儒君;龍陽;徐燦;董一諾;劉謀俊;蔡鑫;黃亞;燕文;趙夢;汪曉鳳
• 申請（專利權）人: 浙江網商銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 吳肖肖

1.一種資源分配方法，應用于資源提供方，包括：

接收至少一個用戶的資源獲取請求，其中，所述資源獲取請求中攜帶有每個用戶的屬性信息；

將所述至少一個用戶的屬性信息輸入預先訓練的風險模型，獲得目標用戶集合；

為所述目標用戶集合中的每個目標用戶匹配對應的資源管理方；

接收所述資源管理方發送的與對應的目標用戶關聯的資源管理憑證，為所述目標用戶集合中的每個目標用戶分配對應的資源。

2.根據權利要求1所述的資源分配方法，所述風險模型利用第一訓練參與方和多個第二訓練參與方協同訓練；

所述風險模型的訓練方法包括：

所述多個第二訓練參與方分別將基于本地訓練數據訓練得到的模型參數，發送至所述第一訓練參與方，其中，所述本地訓練數據包括本地用戶的屬性信息以及對應的風險標簽；

所述第一訓練參與方對所述多個第二訓練參與方發送的模型參數進行整合，得到目標模型參數；

所述第一訓練參與方基于所述目標模型參數對風險模型進行訓練，得到所述風險模型。

3.根據權利要求2所述的資源分配方法，所述多個第二訓練參與方分別將基于本地訓練數據訓練得到的模型參數包括：

所述第一訓練參與方基于訓練目標，確定初始風險模型以及所述初始風險模型的隱含層參數；

將所述初始風險模型以及所述初始風險模型的隱含層參數發送至所述多個第二訓練參與方；

所述第二訓練參與方基于所述初始風險模型以及所述初始風險模型的隱含層參數對所述本地訓練數據進行訓練，得到對應的模型參數。

4.根據權利要求1所述的資源分配方法，所述風險模型利用第一訓練參與方和多個第二訓練參與方協同訓練；

所述風險模型的訓練方法包括：

多個第二訓練參與方基于所述第一訓練參與方的訓練數據需求，分別獲取本地的用戶的屬性信息和對應的風險標簽；

多個第二訓練參與方分別將獲取的本地的用戶的屬性信息和對應的風險標簽發送至所述第一訓練參與方，形成所述第一訓練參與方的訓練數據；

所述第一訓練參與方基于所述訓練數據對初始風險模型進行訓練，得到風險模型。

5.根據權利要求1所述的資源分配方法，所述風險模型利用第一訓練參與方和多個第二訓練參與方協同訓練；

所述風險模型的訓練方法包括：

所述第一訓練參與方獲取訓練樣本集，其中，所述訓練樣本集中包括至少一個用戶的屬性信息以及對應的風險標簽；

基于所述訓練樣本集對初始風險模型進行訓練，得到第一風險模型；

將所述第一風險模型分別發送至所述多個第二訓練參與方進行訓練，獲得所述多個第二訓練參與方返回的多個模型參數；

根據所述多個模型參數對所述第一風險模型進行訓練，得到所述風險模型。

6.根據權利要求5所述的資源分配方法，所述將所述第一風險模型分別發送至所述多個第二訓練參與方進行訓練包括：

將所述第一風險模型分別發送至所述多個第二訓練參與方；

每個第二訓練參與方均獲取的本地用戶的屬性信息以及對應的風險標簽，形成對應的訓練數據；

基于每個第二訓練參與方對應的訓練數據對所述第一風險模型進行訓練。

7.根據權利要求2或4或5所述的資源分配方法，所述方法，還包括：

所述第一訓練參與方將所述風險模型分別發送至每個第二訓練參與方。

8.根據權利要求2或4或5所述的資源分配方法，所述第一訓練參與方包括云端服務器，所述第二訓練參與方包括本地終端。

9.根據權利要求8所述的資源分配方法，所述將所述至少一個用戶的屬性信息輸入預先訓練的風險模型，獲得目標用戶集合包括：

將所述至少一個用戶的屬性信息輸入預先訓練的風險模型，獲得每個用戶的屬性信息對應的風險標簽；

確定滿足預設標簽要求的目標風險標簽，基于所述目標風險標簽對應的用戶的屬性信息獲取目標用戶集合。