[发明专利]模型生成方法、装置、电子设备及存储介质

说明书

本公开公开了模型生成方法、装置、电子设备及存储介质，涉及大数据处理、人工智能等领域。具体实现方案为：基于第一参与方的特征信息对所述第一参与方的样本数据进行特征离散化处理，得到所述第一参与方的数据分桶；将所述第一参与方的数据分桶与N个第二参与方的数据分桶进行合并，得到合并后的数据分桶；其中，N为大于等于1的整数；基于所述第一参与方的标签数据以及所述合并后的所述数据分桶进行迭代处理，得到所述第一参与方的目标模型。

技术领域

本公开涉及计算机技术领域。本公开尤其涉及大数据处理、人工智能等领域。

背景技术

现有技术中，LightGBM(Light Gradient Boosting Machine，梯度提升机)是一个基于梯度决策树的算法框架。因为具有更快的训练速度、更低的内存消耗和更好的准确率在业界得到了广泛的应用。但是随着算法和大数据的发展，各个领域内真实有效的数据源才是最宝贵的资源。然而由于行业竞争、隐私安全、行政手续复杂等问题，大多数行业中数据是以孤岛的形式存在的。基于此，如何在保证各方隐私数据不被泄露的情况下，获取更多参与方的数据生成各方所需的模型，就成为需要解决的问题。

发明内容

本公开提供了一种模型生成方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种模型生成方法，包括：

基于第一参与方的特征信息对所述第一参与方的样本数据进行特征离散化处理，得到所述第一参与方的数据分桶；

将所述第一参与方的数据分桶与N个第二参与方的数据分桶进行合并，得到合并后的数据分桶；其中，N为大于等于1的整数；

基于所述第一参与方的标签数据以及所述合并后的所述数据分桶进行迭代处理，得到所述第一参与方的目标模型。

根据本公开的另一方面，提供了一种模型生成装置，包括：

数据处理模块，用于基于第一参与方的特征信息对所述第一参与方的样本数据进行特征离散化处理，得到所述第一参与方的数据分桶；

数据合并模块，用于将所述第一参与方的数据分桶与N个第二参与方的数据分桶进行合并，得到合并后的数据分桶；其中，N为大于等于1的整数；

模型生成模块，用于基于所述第一参与方的标签数据以及所述合并后的所述数据分桶进行迭代处理，得到所述第一参与方的目标模型。

根据本公开的一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述方法。

根据本公开的一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行前述方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例的模型生成方法流程示意图一；

图2是根据本公开实施例的数据分桶生成的示意图；

图3是根据本公开实施例的合并数据分桶的处理示意图一；

图4是根据本公开实施例的合并数据分桶的处理示意图二；