[發明專利]用戶分析模型優化方法及裝置

在審

• 申請號: 202210032601.5
• 申請日: 2022-01-12
• 公開（公告）號: CN114529048A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 范進;宋子龍;溫志龍
• 申請（專利權）人: 鹽城矩陣運營管理有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 賈依嬌

1.一種用戶行為分析模型的優化方法，其特征在于，包括：

獲取半監督共享模型并將所述半監督共享模型發布至區塊鏈網絡中，以使得所述區塊鏈網絡中的各個節點將所述半監督共享模型下載至本地，而所述半監督共享模型用于基于半監督用戶數據分析用戶行為；

接收所述各個節點上傳的子模型參數，所述子模型參數為各個節點基于本地數據通過半監督學習得到的；

根據所述子模型參數對所述半監督共享模型進行優化。

2.根據權利要求1所述的方法，其特征在于，所述根據所述子模型參數對所述半監督共享模型的參數進行優化包括：

根據與所述各個節點分別對應的子模型參數計算加權平均值；

利用所述加權平均值對所述半監督共享模型的參數進行更新。

3.根據權利要求1所述的方法，其特征在于，所述獲取半監督共享模型并將所述半監督共享模型發布至區塊鏈網絡中，以使得所述區塊鏈網絡中的各個節點將所述半監督共享模型下載至本地之后，所述方法還包括：

所述各個節點基于第一數據和第二數據并利用所述半監督共享模型分別進行半監督學習，得到與各個節點分別對應的子模型參數，所述第一數據為與節點對應的標簽數據，所述第二數據為與節點對應的非標簽數據；

所述各個節點將所述子模型參數上傳至所述區塊鏈網路中。

4.根據權利要求3所述的方法，其特征在于，所述所述各個節點基于第一數據和第二數據并利用所述半監督共享模型分別進行半監督學習包括：

所述各個節點根據所述第一數據和所述第二數據分別計算第一損失函數和第二損失函數，所述第一損失函數為域混淆損失函數，所述第二損失函數為域分類損失函數；

當所述第一損失函數和所述第二損失函數達到平衡狀態時，將當前模型參數確定為所述子模型參數，所述平衡狀態用于標識所述半監督共享模型對所述第一數據和所述第二數據的處理結果滿足預設條件。

5.根據權利要求3或4所述的方法，其特征在于，所述所述各個節點基于第一數據和第二數據并利用所述半監督共享模型分別進行半監督學習還包括：

所述各個節點基于所述第一數據和所述第二數據分別計算第三損失函數，所述第三損失函數用于標識所述半監督共享模型學習所述第二數據效果；

根據所述第三損失函數對所述子模型參數進行更新。

6.根據權利要求1或2所述的方法，其特征在于，所述根據所述子模型參數對所述半監督共享模型進行優化之后，所述方法還包括：

根據樣本數據校驗優化后的半監督共享模型是否完全收斂；

所述獲取半監督共享模型并將所述半監督共享模型發布至區塊鏈網絡中包括：

若根據樣本數據校驗優化后的半監督共享模型未完全收斂，則獲取所述優化后的半監督共享模型并發布至所述區塊鏈網絡中，以使得所述區塊鏈網絡中的各個節點將所述半監督共享模型下載至本地。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

若根據樣本數據校驗優化后的半監督共享模型完全收斂，則將所述優化后的半監督共享模型發布至所述區塊鏈網絡中，以使得所述各個節點根據所述優化后的半監督共享模型分析用戶行為。

8.一種用戶行為分析模型的優化裝置，其特征在于，包括：

獲取模塊，用于獲取半監督共享模型；

發布模塊，用于將所述獲取模塊獲取的所述半監督共享模型發布至區塊鏈網絡中，以使得所述區塊鏈網絡中的各個節點將所述半監督共享模型下載至本地，而所述半監督共享模型用于基于半監督用戶數據分析用戶行為；

接收模塊，用于接收所述各個節點上傳的子模型參數，所述子模型參數為各個節點基于本地數據通過半監督學習得到的；

優化模塊，用于根據所述子模型參數對所述半監督共享模型進行優化。

9.一種存儲介質，所述存儲介質中存儲有至少一可執行指令，所述可執行指令使處理器執行如權利要求1-7中任一項所述的戶行為分析模型的優化方法對應的操作。

10.一種終端，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

所述存儲器用于存放至少一可執行指令，所述可執行指令使所述處理器執行如權利要求1-7中任一項所述的戶行為分析模型的優化方法對應的操作。