[發(fā)明專利]數(shù)據(jù)處理方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011255726.1
• 申請日: 2020-11-11
• 公開（公告）號: CN112364919A
• 公開（公告）日: 2021-02-12
• 發(fā)明（設(shè)計）人: 黃安埠
• 申請（專利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 吳梅錫;劉芳

本發(fā)明公開了一種數(shù)據(jù)處理方法、裝置、設(shè)備及存儲介質(zhì)，所述方法包括：獲取多個客戶終端分別發(fā)送的模型參數(shù)；其中，每一客戶終端發(fā)送的模型參數(shù)為所述客戶終端根據(jù)本地訓(xùn)練樣本對全局模型進行訓(xùn)練后得到的模型參數(shù)；針對每一客戶終端，通過從所述客戶終端獲取到的模型參數(shù)，對待測試的數(shù)據(jù)進行處理，得到對應(yīng)的特征向量；根據(jù)通過各個模型參數(shù)得到的特征向量，對自編碼器進行訓(xùn)練，得到對應(yīng)的隱向量；根據(jù)所述隱向量確定所述待測試的數(shù)據(jù)對應(yīng)的評估結(jié)果。本發(fā)明公開的數(shù)據(jù)處理方法、裝置、設(shè)備及存儲介質(zhì)，通過自編碼器融合多個模型提取的特征向量，從而得到更加全面、豐富的特征，有效提升評估結(jié)果的準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種數(shù)據(jù)處理方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著計算機技術(shù)和大數(shù)據(jù)處理技術(shù)的不斷發(fā)展，機器學習在圖像處理、自然語言處理、生物特征識別、搜索引擎、推薦算法等各個領(lǐng)域得到了廣泛的應(yīng)用。

機器學習可以融合大量數(shù)據(jù)的特征，通過訓(xùn)練樣本在經(jīng)驗中學習，從而不斷改善自身性能。學習得到的模型可以用于對數(shù)據(jù)進行評估，例如，可以通過用戶的歷史資產(chǎn)數(shù)據(jù)，評估用戶的購買力，從而向用戶推送相應(yīng)的商品信息。目前，通過機器學習等方法獲得的評估結(jié)果的準確率依然有較大的提升空間。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種數(shù)據(jù)處理方法、裝置、設(shè)備及存儲介質(zhì)，旨在提高通過機器學習得到的評估結(jié)果的準確率。

為實現(xiàn)上述目的，本發(fā)明提供一種數(shù)據(jù)處理方法，所述數(shù)據(jù)處理方法包括：

獲取多個客戶終端分別發(fā)送的模型參數(shù)；其中，每一客戶終端發(fā)送的模型參數(shù)為所述客戶終端根據(jù)本地訓(xùn)練樣本對全局模型進行訓(xùn)練后得到的模型參數(shù)；

針對每一客戶終端，通過從所述客戶終端獲取到的模型參數(shù)，對待測試的數(shù)據(jù)進行處理，得到對應(yīng)的特征向量；

根據(jù)通過各個模型參數(shù)得到的特征向量，對自編碼器進行訓(xùn)練，得到對應(yīng)的隱向量；

根據(jù)所述隱向量確定所述待測試的數(shù)據(jù)對應(yīng)的評估結(jié)果。

在一種可能的實現(xiàn)方式中，所述方法還包括：

從各個客戶終端抽取訓(xùn)練樣本，組成測試數(shù)據(jù)集；其中，從每一客戶終端抽取的訓(xùn)練樣本的數(shù)量均在預(yù)設(shè)數(shù)量范圍內(nèi)；所述待測試的數(shù)據(jù)包括所述測試數(shù)據(jù)集；

相應(yīng)的，根據(jù)所述隱向量確定所述待測試的數(shù)據(jù)對應(yīng)的評估結(jié)果，包括：

根據(jù)所述測試數(shù)據(jù)集對應(yīng)的隱向量，確定所述測試數(shù)據(jù)集對應(yīng)的評估結(jié)果；

根據(jù)所述測試數(shù)據(jù)集對應(yīng)的評估結(jié)果，確定各個客戶終端對應(yīng)的評估結(jié)果分布情況。

在一種可能的實現(xiàn)方式中，根據(jù)通過各個模型參數(shù)得到的特征向量，對自編碼器進行訓(xùn)練，得到對應(yīng)的隱向量，包括：

將通過各個模型參數(shù)得到的特征向量進行拼接；

將拼接后的特征向量作為所述自編碼器的輸入和輸出，對所述自編碼器進行訓(xùn)練，得到對應(yīng)的隱向量；

其中，所述自編碼器中隱向量的維度小于輸入的特征向量的維度。

在一種可能的實現(xiàn)方式中，通過從所述客戶終端獲取到的模型參數(shù)，對待測試的數(shù)據(jù)進行處理，得到對應(yīng)的特征向量，包括：

將待測試的數(shù)據(jù)輸入到所述模型參數(shù)對應(yīng)的模型中，得到最后一層卷積層輸出的特征向量。

在一種可能的實現(xiàn)方式中，在根據(jù)所述隱向量確定所述待測試的數(shù)據(jù)對應(yīng)的評估結(jié)果之前，所述方法還包括：

對所述多個客戶終端的模型參數(shù)進行聚合，得到更新后的全局模型；

判斷所述更新后的全局模型是否收斂；