[發(fā)明專利]基于縱向聯(lián)邦學習的潛在客戶的識別方法、系統(tǒng)及介質

有效

• 申請?zhí)枺?/td>: 202110493396.8
• 申請日: 2021-05-07
• 公開（公告）號: CN113240461B
• 公開（公告）日: 2022-08-16
• 發(fā)明（設計）人: 趙志東;闞建國;鐘海;于晗宇;鄧景熹;鄭立志
• 申請（專利權）人: 廣州銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/04;G06N20/00;G06K9/62
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發(fā)明公開了一種基于縱向聯(lián)邦學習的潛在客戶的識別方法、系統(tǒng)及介質，通過本地端計算得到更新后的第一預設邏輯回歸模型的第一損失值，通過參與端計算得到更新后的第二預設邏輯回歸模型的第二損失值，最后本地端和參與端分別根據對應的第一損失值和第二損失值判斷是否同時滿足所有預設的停止條件，若是，則本地端和參與端按照預設的潛在客戶識別方法對所述客戶進行識別，以完成潛在客戶的識別；若否，則重復執(zhí)行指定的步驟并重新進行判斷。本發(fā)明實施例提供的基于縱向聯(lián)邦學習的潛在客戶的識別方法、系統(tǒng)及介質，從而提高識別潛在客戶的準確率。

技術領域

本發(fā)明涉及計算機技術領域，尤其涉及一種基于縱向聯(lián)邦學習的潛在客戶的識別方法、系統(tǒng)及介質。

背景技術

當前隨著生活科技化、數(shù)字化程度越來越高，公眾在吃、穿、住、行、用等各方面產生了大量隱私數(shù)據，這些全方位的數(shù)據給人工智能、區(qū)塊鏈、云計算、大數(shù)據等新興技術的創(chuàng)新應用提供了肥沃土壤。與此同時，如何利用新興技術安全高效地挖掘用戶數(shù)據并創(chuàng)造商業(yè)價值，也越來越成為銀行等金融機構關注的重點。由于客戶在柜臺、手機客戶端、網上客戶端等渠道辦理開戶、轉賬、存取款、交易等金融業(yè)務時會產生大量的金融交易數(shù)據，這些數(shù)據潛藏著客戶基礎信息、持有資產、投資傾向等，如果可以挖掘利用這些數(shù)據，就能精確的觸達客戶的潛在需求，識別哪些客戶為潛在理財推薦、保險推薦、貸款推薦的目標客戶。但是，本發(fā)明人發(fā)現(xiàn)，現(xiàn)有技術一般使用單一模型對潛在客戶進行識別，導致識別潛在客戶的預測效果不佳。

發(fā)明內容

本發(fā)明提供一種基于縱向聯(lián)邦學習的潛在客戶的識別方法、系統(tǒng)及介質，以解決現(xiàn)有技術采用單一模型識別潛在客戶的預測效果不佳的問題，通過采用基于縱向聯(lián)邦學習的聯(lián)合建模方法對潛在客戶進行識別，從而提高識別潛在客戶的準確率。

為實現(xiàn)上述目的，本發(fā)明實施例提供了一種基于縱向聯(lián)邦學習的潛在客戶的識別方法，包括以下步驟：

本地端根據預先獲取的客戶的金融交易特征數(shù)據，對第一預設邏輯回歸模型進行訓練，得到第一模型參數(shù)；其中，所述客戶的金融交易特征數(shù)據包括客戶標識、客戶的金融交易數(shù)據集和客戶的金融交易數(shù)據標簽集；

參與端根據預先獲取的客戶的其他維度特征數(shù)據以及所述本地端發(fā)送過來的金融交易數(shù)據標簽集和所述客戶標識，對第二預設邏輯回歸模型進行訓練，得到第二模型參數(shù)；

所述本地端根據預先獲取的第一數(shù)據，按照預設的第一模型參數(shù)計算公式，對所述第一模型參數(shù)進行更新，得到更新后的第一模型參數(shù)和第一預設邏輯回歸模型；

所述參與端根據預先獲取的第二數(shù)據，按照預設的第二模型參數(shù)計算公式，對所述第二模型參數(shù)進行更新，得到更新后的第二模型參數(shù)和第二預設邏輯回歸模型；

所述本地端將所述金融交易數(shù)據集輸入至所述更新后的第一預設邏輯回歸模型進行預測處理，以得到所述客戶為潛在客戶的預測概率集，并根據所述預測概率集、所述金融交易數(shù)據標簽集和預先獲取的所述客戶的數(shù)量，計算得到第一損失值；

所述參與端將所述其他維度特征數(shù)據輸入至所述更新后的第二預設邏輯回歸模型進行預測處理，以得到所述客戶為潛在客戶的預測概率集，并根據所述預測概率集、所述金融交易數(shù)據標簽集和預先獲取的所述客戶的數(shù)量，計算得到第二損失值；

所述本地端和所述參與端分別根據對應的所述第一損失值和所述第二損失值判斷是否同時滿足所有預設的停止條件，若是，則所述本地端和所述參與端按照預設的潛在客戶識別方法對所述客戶進行識別，以完成潛在客戶的識別；若否，則返回至所述本地端根據預先獲取的第一數(shù)據，按照預設的第一模型參數(shù)計算公式，對所述第一模型參數(shù)進行更新，得到更新后的第一模型參數(shù)和第一預設邏輯回歸模型的步驟。

進一步的，所述客戶的金融交易特征數(shù)據的獲取方式具體包括：

獲取客戶的金融交易數(shù)據集和客戶標識；

根據所述客戶的金融交易數(shù)據集得到所述客戶的金融交易數(shù)據標簽集；