[发明专利]预测方法、装置、计算机设备及存储介质

说明书

本公开提出一种预测方法、装置、计算机设备和存储介质，该方法包括接收预测请求，预测请求包括：待预测数据，采用第一预测模型对待预测数据进行预测，以得到第一初始预测信息，将待预测数据发送至第二数据方，第一数据方和第二数据方不相同，第二数据方对应第二预测模型，其中，第二数据方利用第二预测模型对待预测数据进行预测，以得到预测参考信息，根据预测参考信息和第一初始预测信息，生成目标预测信息。通过本公开，能够有效地降低对待预测数据的表征限制，实现基于不同表征数据的维度来挖掘出待预测数据表征的信息，从而有效地提升预测结果的准确性，有效提升预测模型的预测效果。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种预测方法、装置、计算机设备及存储介质。

背景技术

在人工智能技术领域，联邦机器学习又名联邦学习，其是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。

相关技术中，在实际应用中，对联邦模型进行训练或者推理预测时，通常采用横向的联邦学习方法或者是纵向的联邦学习方法。而横向和纵向的联邦学习方法，由于数据(数据可以是样本数据或者待预测数据，样本数据用于对联邦模型进行训练，待预测数据可以被作为联邦模型的输入数据)具有在身份标识(Identity document，ID)和数据特征上的限制，训练和预测推理时，通常需要选择ID全部对齐，或者是数据特征全部对齐。

这种方式下，导致无法对齐的数据则不能参与联邦模型的训练和推理预测，从而导致影响预测效果，针对待预测数据的预测准确性不高。

发明内容

本公开旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本公开的目的在于提出一种预测方法、装置、计算机设备及存储介质，能够有效地实现联合多个数据方的预测模型辅助对待预测数据进行预测，由于不同数据方对应表征数据的维度不相同，从而有效地降低对待预测数据的表征限制，实现基于不同表征数据的维度来挖掘出待预测数据表征的信息，从而有效地提升预测结果的准确性，有效提升预测模型的预测效果。

本公开第一方面实施例提出的预测方法，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。

本公开第一方面实施例提出的预测方法，通过接收预测请求，预测请求包括：待预测数据，采用第一预测模型对待预测数据进行预测，以得到第一初始预测信息，将待预测数据发送至第二数据方，第一数据方和第二数据方不相同，第二数据方对应第二预测模型，其中，第二数据方利用第二预测模型对待预测数据进行预测，以得到预测参考信息，根据预测参考信息和第一初始预测信息，生成目标预测信息，能够有效地实现联合多个数据方的预测模型辅助对待预测数据进行预测，由于不同数据方对应表征数据的维度不相同，从而有效地降低对待预测数据的表征限制，实现基于不同表征数据的维度来挖掘出待预测数据表征的信息，从而有效地提升预测结果的准确性，有效提升预测模型的预测效果。

本公开第二方面实施例提出的预测装置，包括：接收模块，用于接收预测请求，预测请求包括：待预测数据；第一预测模块，用于采用第一预测模型对待预测数据进行预测，以得到第一初始预测信息；第二预测模块，用于将待预测数据发送至第二数据方，第一数据方和第二数据方不相同，第二数据方对应第二预测模型，其中，第二数据方利用第二预测模型对待预测数据进行预测，以得到预测参考信息；生成模块，用于根据预测参考信息和第一初始预测信息，生成目标预测信息。