[發明專利]一種基于聯邦學習的城市交通出行數據分析方法

在審

• 申請號: 202011119990.2
• 申請日: 2020-10-19
• 公開（公告）號: CN112163979A
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 陳思恩
• 申請（專利權）人: 科技谷（廈門）信息技術有限公司
• 主分類號: G06Q50/26
• 分類號: G06Q50/26;G06Q30/02;G06N20/20
• 代理公司: 廈門致群財富專利代理事務所(普通合伙) 35224
• 代理人: 劉兆慶;鄧貴琴

本發明公開了一種基于聯邦學習的城市交通出行數據分析方法，包括以下步驟：城市交通出行數據源各方提供乘客數據，根據預先約定的數據規范各自完成數據加工；城市交通出行數據源各方通過機器學習或深度學習訓練并構建本地自有模型，基于自有模型獲得樣本數據；將樣本數據輸入到聯邦學習平臺進行聯合建模；利用聯合模型構建乘客群體標簽，根據乘客群體標簽提取基于標簽的特征工程，獲得用戶特征數據集，構建出用戶畫像；基于用戶特征數據集和用戶畫像，通過聯合建模制定推薦模型，利用推薦模型根據用戶和產品的聯系，向乘客推薦相應的產品或業務。

技術領域

本發明涉及數據分析技術領域，具體涉及一種基于聯邦學習的城市交通出行數據分析方法。

背景技術

企業的數據融合方法是利用人工智能等技術，以智能化手段開展與第三方合作機構的聯合建模過程，運用平臺化的模式實現產品開發、用戶引流和業務拓展的完整服務。通過多方數據的融合，豐富數據的維度和深度，挖掘產品、服務等合作空間。

數據融合驅動下的平臺化業務拓展成為趨勢，為新產品的研發和新渠道的拓展起到催化作用。企業在科技驅動下探索商業模式創新。企業用自身數據在的集群上訓練模型，再匯總到第三方或者企業本身；第三方進行模型融合調優后，再分發給各參與方。聯邦學習的重點意義就在于對終端用戶隱私的保護、對各個參與方自有數據所有權的保護，以及對企業在數據和建模上合作共贏的推進。

針對城市交通出行領域，乘客信息分散在城市交通運營各方，存在乘客信息不完整，準確度低等問題，如何通過數據融合實現完整、準確的乘客信息獲得，挖掘乘客信息價值，實現對乘客的精準營銷投放，越來越受到人們的關注。

發明內容

為解決上述問題，本發明提供了一種基于聯邦學習的城市交通出行數據分析方法。

本發明采用以下技術方案：

一種基于聯邦學習的城市交通出行數據分析方法，包括以下步驟：

S1、城市交通出行數據源各方提供乘客數據，根據預先約定的數據規范各自完成數據加工，所述數據加工包括數據加密和數據對齊，所述乘客數據包括交通工具類型、站點信息、位置信息、通話信息及出行平臺使用信息；

S2、城市交通出行數據源各方通過機器學習或深度學習訓練并構建本地自有模型，獲得特征參數，基于自有模型獲得樣本數據，所述樣本數據包括本地自有模型的訓練參數和梯度；

S3、將樣本數據輸入到聯邦學習平臺進行聯合建模，對城市交通出行數據源方輸入的樣本數據進行加密ID匹配，輸出ID交集，通過模型訓練獲得聯合模型；

S4、利用聯合模型構建乘客群體標簽，根據乘客群體標簽提取基于標簽的特征工程，獲得用戶特征數據集，構建出用戶畫像；

S5、基于用戶特征數據集和用戶畫像，通過聯合建模制定推薦模型，利用推薦模型根據用戶和產品的聯系，向乘客推薦相應的產品或業務。

優選地，所述通過聯合建模制定推薦模型具體為：采用聯邦推薦算法進行建模融合和分析，利用推薦模型根據用戶和產品的聯系，向乘客推薦相應的產品或業務，所述聯邦推薦算法包括橫向聯邦推薦算法、縱向聯邦推薦算法及遷移聯邦推薦算法。

優選地，所述步驟S1中的數據加密采用多方安全計算、差分隱私、同態加密中的一種或多種。

優選地，所述同態加密為非對稱同態加密，采用RSA加密算法或Paillier加密算法。

優選地，所述城市交通出行數據源各方包括城市交通運營方和出行平臺運營方。

優選地，所述步驟S3還包括：根據所述聯合模型反饋的參數對本地自有模型的參數進行更新。

優選地，所述步驟S2中的特征參數包括全量ID、特征變量和表現數據。