[發明專利]用戶屬性預測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110043538.0
• 申請日: 2021-01-13
• 公開（公告）號: CN114764724A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 王暢;李皓;黃明凱;白琨
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種用戶屬性預測方法，其特征在于，所述方法由第一參與設備執行，所述方法包括：

獲取待預測用戶在第一用戶特征維度上的第一用戶特征以及具有所述第一用戶特征維度所屬的模型參數的第一子模型，根據所述第一用戶特征和所述第一子模型生成針對所述待預測用戶的第一數據預測參數；

基于私域傳輸通道接收第二參與設備根據第二數據預測參數所生成的數據預測隨機數；其中，所述第二數據預測參數是由所述第二參與設備根據所述待預測用戶在第二用戶特征維度上的第二用戶特征以及具有所述第二用戶特征維度所屬的模型參數的第二子模型所生成；

對所述第一數據預測參數和所述數據預測隨機數進行模型預測參數合成處理，以得到用于預測用戶屬性的目標模型的模型預測參數；所述目標模型由所述第一子模型和所述第二子模型構成；

根據所述模型預測參數預測并輸出所述待預測用戶的用戶屬性。

2.根據權利要求1所述的方法，其特征在于，所述數據預測隨機數是由所述所述第二參與設備根據與所述第二數據預測參數相關聯的參數運算類型以及秘密共享技術所指示的秘密共享協議所生成；

所述基于私域傳輸通道接收第二參與設備根據第二數據預測參數所生成的數據預測隨機數的步驟之前，還包括：

基于所述秘密共享技術建立與所述第二參與設備之間的所述私域傳輸通道；

所述對所述第一數據預測參數和所述數據預測隨機數進行模型預測參數合成處理，以得到用于預測用戶屬性的目標模型的模型預測參數，包括：

當檢測到通過所述私域傳輸通道獲取到所述數據預測隨機數時，根據與所述數據預測隨機數相關聯的所述參數運算類型和所述秘密共享協議對所述第一數據預測參數和所述數據預測隨機數進行模型預測參數合成處理，得到所述模型預測參數。

3.根據權利要求1所述的方法，其特征在于，所述根據所述模型預測參數預測并輸出所述待預測用戶的用戶屬性，包括：

根據所述模型預測參數計算針對所述待預測用戶的用戶屬性參數；

將與所述用戶屬性參數相關聯的用戶屬性確定為所預測的所述待預測用戶的用戶屬性，輸出所預測的所述待預測用戶的用戶屬性。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于所述私域傳輸通道接收第二參與設備根據針對目標樣本用戶的第二模型訓練參數所生成的模型隨機數；所述第二模型訓練參數包括第二初始子模型的模型參數和所述目標樣本用戶在所述第二用戶特征維度上的用戶特征；

根據所述模型隨機數和所述第一參與設備所屬的第一模型訓練參數確定所述目標樣本用戶的預測用戶屬性；所述第一模型訓練參數包括第一初始子模型的模型參數和所述目標樣本用戶在所述第一用戶特征維度上的用戶特征；

根據所述預測用戶屬性、所述目標樣本用戶的用戶屬性標簽和所述第一參與設備所屬的第一特征梯度參數確定第一模型梯度；

獲取所述第二參與設備所屬的第二特征梯度參數，根據所述預測用戶屬性、所述用戶屬性標簽和所述第二特征梯度參數確定第二模型梯度；

基于所述第一模型梯度修正所述第一初始子模型的模型參數，得到所述第一子模型，將所述第二模型梯度發送給所述第二參與設備，以使所述第二參與設備基于所述第二模型梯度修正所述第二初始子模型的模型參數，得到所述第二子模型。

5.根據權利要求4所述的方法，其特征在于，所述第一參與設備與所述第二參與設備之間的所述私域傳輸通道是基于秘密共享技術所建立；所述第一初始子模型和所述第二初始子模型用于構成初始模型；

所述根據所述模型隨機數和所述第一參與設備所屬的第一模型訓練參數確定所述目標樣本用戶的預測用戶屬性，包括：

當檢測到通過所述私域傳輸通道獲取到所述模型隨機數時，根據與所述第二模型訓練參數相關聯的參數運算類型、所述秘密共享技術所指示的秘密共享協議、所述模型隨機數和所述第二模型訓練參數恢復所述初始模型的初始模型訓練參數；

根據所述初始模型訓練參數確定所述目標樣本用戶的所述預測用戶屬性。