[發明專利]數據查詢方法、裝置、設備及存儲介質

在審

• 申請號: 202110708042.0
• 申請日: 2021-06-24
• 公開（公告）號: CN113420216A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 陳偉敬;陳天健;范濤;馬國強
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;劉芳

本發明提供一種數據查詢方法、裝置、設備及存儲介質，該方法包括：通過遍歷預先創建的聯邦最近鄰查詢樹，獲取與數據查詢請求中查詢對象的特征數據相似度較高的多個目標對象，遍歷過程中涉及發起方以及參與方的數據處理。在查詢到多個目標對象時，還需要在第三方協助下，確定最終查詢對象的k個最近鄰對象。上述方法是在保護各方特征數據隱私的情況下，得到的k個最近鄰對象，查詢處理過程考慮了查詢對象與查詢樹中樣本對象在各方的特征數據的相似度，與現有最鄰近數據查詢方案相比，可提升數據查詢的準確度。

技術領域

本發明涉及互聯網技術領域，尤其涉及一種數據查詢方法、裝置、設備及存儲介質。

背景技術

目前，最近鄰查詢已廣泛應用于計算機視覺、信息檢索、數據挖掘、機器學習等領域。最近鄰查詢是指在一個尺度空間中搜索與查詢點最近點的問題，以社交平臺的用戶推薦系統為例，可通過輸入查詢用戶的多項特征數據，從系統中獲取與該用戶的多項特征數據近似的其他用戶，實現最近鄰用戶查詢。

隨著互聯網技術的快速發展，在各領域的數據平臺中，用戶的數據量大幅提升，各領域有著一大部分重合的用戶，例如社交平臺有某用戶的瀏覽數據，電商平臺有該用戶的購物數據。不同領域的數據平臺僅基于自身平臺的用戶數據進行最近鄰用戶查詢，得到的最近鄰用戶與查詢用戶的特征數據僅在部分特征維度近似，用戶查詢的準確度不高。

近年來，在各領域加強數據隱私保護的前提下，協同多方數據建立機器學習的聯邦學習，成為各領域合作的關鍵技術。目前暫無基于聯邦學習的最近鄰數據查詢方案。

發明內容

本發明提供一種數據查詢方法、裝置、設備及存儲介質，提高各方數據查詢的準確度。

第一方面，本發明提供一種數據查詢方法，應用于發起方設備，該方法包括：

接收數據查詢請求，所述數據查詢請求包括查詢對象和待獲取的鄰近對象的個數k，k為大于或等于1的正整數；

根據所述查詢對象，從查詢樹中進行遍歷查詢，得到多個目標對象；所述多個目標對象是根據所述查詢樹中節點的特征編號以及特征值中位數從樣本對象中確定的對象，所述查詢樹是基于所述發起方的多個樣本對象的第一特征數據，以及參與方的多個樣本對象的第二特征數據劃分得到的包括多個節點的樹狀結構，每個節點包括至少一個樣本對象，所述發起方的多個樣本對象和所述參與方的多個樣本對象相同，所述第一特征數據與所述第二特征數據為不同特征維度的數據；

通過第三方設備從所述多個目標對象中確定k個最近鄰對象；

發送數據查詢響應，所述數據查詢響應包括所述k個最近鄰對象。

在本發明的一個實施例中，所述根據所述查詢對象，從查詢樹中進行遍歷查詢，得到多個目標對象，包括：

根據所述查詢對象，從所述查詢樹的根節點開始向下遍歷，直至所述查詢樹的最底層的第一節點，所述第一節點包括至少一個第一目標對象；

從所述第一節點開始向上遍歷，得到多個目標節點，每個目標節點包括至少一個第二目標對象。

在本發明的一個實施例中，所述根據所述查詢對象，從所述查詢樹的根節點開始向下遍歷，直至所述查詢樹的最底層的第一節點，包括：

若當前節點歸屬于所述發起方，且所述當前節點不是所述查詢樹的最底層節點，則獲取所述當前節點的特征劃分參數，所述特征劃分參數包括所述發起方的特征編號以及特征值中位數；

根據所述特征劃分參數以及所述查詢對象在所述特征編號的特征數據，確定所述查詢對象被劃分到所述當前節點的左側子節點或者右側子節點。

在本發明的一個實施例中，所述根據所述查詢對象，從所述查詢樹的根節點開始向下遍歷，直至所述查詢樹的最底層的第一節點，包括：