[发明专利]一种数据处理方法及装置

说明书

本发明涉及金融科技(Fintech)领域，公开一种数据处理方法及装置，用以解决现有技术无法训练得到通用的行为预测模型的问题，方法包括：参与方设备接收联邦服务器发送的模型训练请求，根据模型训练请求获取本地存储的用户行为数据，并按照预设特征分布规则处理用户行为数据得到与其他参与方设备特征分布一致的待训练数据集，通过各个参与方设备使用特征分布一致的待训练数据集训练得到模型结构一致的各个参与方模型，使得联邦服务器能够基于模型结构一致的各个参与方模型训练得到行为预测模型。由于行为预测模型结合了各个参与方设备的行为数据特征，因此能够用于预测各个参与方设备中的用户的行为，通用性较好，且准确率较高。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及一种数据处理方法及装置。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，然而，由于金融行业的安全性和实时性要求较高，因此也对金融科技领域的技术提出了更高的要求。在金融领域中，在推广用户之前通常需要对用户的行为进行预测，比如通过预测用户对某商品感兴趣的概率，能够预先将对该商品不感兴趣的用户排除，从而降低无用的推广操作，提高推广效率。

现阶段，各个参与方仅能使用本地存储的用户行为数据训练得到行为预测模型，然而，由于不同参与方中的用户不同，对象也不同，因此某一参与方训练的行为预测模型仅能适用于对本参与方中的用户的行为进行预测，而无法对其它参与方中的用户的行为进行预测，从而导致行为预测模型的通用性较差，预测的准确率较低。

发明内容

本发明提供一种数据处理方法及装置，用以训练得到通用的行为预测模型，以实现对各个参与方中的用户的行为进行预测，进而能够提升用户行为预测的准确率。

第一方面，本发明提供的一种数据处理方法，所述方法应用于参与方设备，所述方法包括：

接收联邦服务器发送的模型训练请求，根据所述模型训练请求获取本地存储的用户行为数据，按照预设特征分布规则对所述用户行为数据进行处理，得到与其他参与方设备特征分布一致的待训练数据集，利用所述待训练数据集训练得到参与方模型，并将所述参与方模型发送给所述联邦服务器，所述联邦服务器用于基于各个参与方模型联合训练得到行为预测模型。

在一种可能的实现方式中，所述预设特征分布规则为按照共用的用户行为特征维度和对象行为特征维度生成特征分布一致的待训练数据的规则；具体实施中，所述按照预设特征分布规则对所述用户行为数据进行处理，得到与其他参与方设备特征分布一致的训练数据集，包括：按照所述共用的用户行为特征维度，从所述用户行为数据中提取出任一用户的用户行为特征，按照所述共用的对象行为特征维度，从所述用户行为数据中提取出任一对象的对象行为特征，构建任一用户的用户行为特征和任一对象的对象行为特征之间的特征对，基于所述特征对，生成与其他参与方设备特征分布一致的待训练数据，基于各个用户与各个对象构成的各个特征对对应的待训练数据，构建所述待训练数据集。

在一种可能的实现方式中，所述按照所述共用的用户行为特征维度，从所述用户行为数据中提取出任一用户的用户行为特征包括：从所述用户行为数据中提取出所述用户在任一共用的用户行为特征维度下的特征值，根据所述用户在各个共用的用户行为特征维度下的特征值，构建得到所述用户的用户行为特征；相应地，所述按照所述共用的对象行为特征维度，从所述用户行为数据中提取出任一对象的对象行为特征，包括：从所述用户行为数据中提取出所述对象在任一共用的对象行为特征维度下的特征值，根据所述对象在各个共用的对象行为特征维度下的特征值，构建得到所述对象的对象行为特征。