[发明专利]预测方法、装置、计算机设备及存储介质

权利要求书

1.一种预测方法，其特征在于，应用于第一数据方，所述第一数据方对应第一预测模型，所述方法包括：

接收预测请求，所述预测请求包括：待预测数据；

采用所述第一预测模型对所述待预测数据进行预测，以得到第一初始预测信息；

将所述待预测数据发送至第二数据方，所述第一数据方和所述第二数据方不相同，所述第二数据方对应第二预测模型，其中，所述第二数据方利用所述第二预测模型对所述待预测数据进行预测，以得到预测参考信息；

根据所述预测参考信息和所述第一初始预测信息，生成目标预测信息。

2.如权利要求1所述的方法，其特征在于，所述预测参考信息，是所述第二数据方对第二初始预测信息进行同态加密得到的，所述第二初始预测信息，是所述第二数据方利用所述第二预测模型对所述待预测数据进行预测得到的，

其中，所述根据所述预测参考信息和所述第一初始预测信息，生成目标预测信息，包括：

对所述第一初始预测信息进行所述同态加密，以得到待处理预测信息；

对所述多个预测参考信息和所述待处理预测信息进行融合处理，以得到融合预测信息；

对所述融合预测信息进行解密处理，以得到中间解密信息，所述中间解密信息被用于生成所述目标预测信息。

3.如权利要求1所述的方法，其特征在于，所述第二数据方的数量是多个，多个第二数据方分别对应多个第二预测模型，所述多个第二预测模型分别对应多种数据组合视角，所述第二预测模型，是采用相应所述数据组合视角所涉及的样本数据训练得到的。

4.如权利要求3所述的方法，其特征在于，在所述接收预测请求之前，还包括：

构建初始预测模型；

采用联邦机器学习方法，结合与所述多个第二预测模型分别对应的多个模型迭代信息训练所述初始预测模型，以得到所述第一预测模型。

5.如权利要求4所述的方法，其特征在于，在所述采用联邦机器学习方法，结合与所述多个第二预测模型分别对应的多个模型迭代信息训练所述初始预测模型，以得到所述第一预测模型之前，还包括：

确定所述第一数据方提供的第一样本数据，所述第一样本数据，具有第一数据标识；

确定与所述第一数据标识对应的第二数据标识，所述第二数据标识，用于标记所述第二数据方中的第二样本数据，所述第二样本数据具有对应的第二训练信息，所述第二训练信息，是在训练过程中所述第二预测装置根据所述第二样本数据预测得到的信息；

根据所述第一样本数据和所述第二训练信息，生成与所述第一预测模型对应的第一模型迭代信息；

接收所述第二数据方发送的第二模型迭代信息，所述第二模型迭代信息，是训练所述第二预测模型的过程中得到的模型迭代信息，其中，所述第一模型迭代信息和所述第二模型迭代信息被共同作为所述多个模型迭代信息。

6.如权利要求5所述的方法，其特征在于，所述确定与所述第一数据标识对应的第二数据标识，包括：

根据与所述第二数据方对应的数据组合视角，确定与所述第一数据标识对应的第二数据标识，所述第一样本数据和所述第二数据标识属于的所述第二样本数据，共同属于所述第二数据方的所述数据组合视角所涉及的样本数据。

7.如权利要求5所述的方法，其特征在于，所述根据所述第一样本数据和所述第二训练信息，生成与所述第一预测模型对应的第一模型迭代信息，包括：

确定与所述第一样本数据对应的重叠模式，所述重叠模式，描述与所述第二数据方分别对应的多个描述信息；

确定目标回归函数；

根据所述目标回归函数，确定与所述第一数据标识对应的映射转换矩阵；

根据所述重叠模式和所述映射转换矩阵，构建与所述第一预测模型对应的目标损失函数；

将所述第一训练信息和多个所述第二训练信息输入至所述目标损失函数中，以得到所述目标损失函数输出的所述第一模型迭代信息。