[发明专利]一种基于联邦学习的私域用户画像拓展方法

权利要求书

1.一种基于联邦学习的私域用户画像拓展方法，其特征在于：该方法包括以下步骤：

S1：画像定义；其中用户画像的各项指标为基于私域、公域数据生成的各项标签值；根据私域方的业务需求，设计所需的各项指标，计算指标所需的n个标签以及根据标签计算指标的方法和汇总各项指标的方法；

S2：标签定义及同步；对于S1中设计的n个标签，基于私域客群的现有数据和公域的数据，在用户群的特征空间定义标签的生成规则集；并将其在私域方和公域方之间进行同步；

S3：标签计算，私域方和公域方分别基于各自的数据集和生成规则集；计算得到各自部分的标签；

S4：私域数据加脏，在求交之前，对私域用户进行加脏，用于保护私域用户不被泄露，同时配置权重矩阵用于将脏数据剔除，保证最终结果的正确性；

S5：联邦求交，计算加脏之后的私域数据和公域数据的交集部分；

S6：更新权重矩阵，识别出加脏数据；

S7：公域指标联邦求值，通过同态加密的方式，在既不暴露公域方用户特征，也不暴露私域方拥有用户的情况下，得到画像标签所需的公域部分的指标值；

S8：私域指标联邦求值，通过同态加密的方式，在不暴露私域方用户特征的情况下，得到画像所需的私域部分的指标值；

S9：画像汇总生成，汇总私域和公域部分的指标值，生成最终的画像报告。

2.根据权利要求1所述的一种基于联邦学习的私域用户画像拓展方法，其特征在于：所述S1中，各项指标均是由相关的标签计算得来，通过预定义的方式，指定各项标签Tⁱ和对应的指标计算方式gⁱ，以及基于这些指标，整合为画像UP的函数Agg；

UP＝Agg(g¹(T¹)，g²(T²)，...，gⁱ(Tⁱ)，...，gⁿ(Tⁿ))i∈{1...n}，Tⁱ∈T，gⁱ∈G

其中，G支持全同态加密的计算函数；Agg是最终的画像聚合函数；标签集T是所需的n个标签组成的集合。

3.根据权利要求2所述的一种基于联邦学习的私域用户画像拓展方法，其特征在于：所述S2中，对于画像定义中设计的n个标签，基于私域客群的现有数据和公域的数据，在用户群的特征空间X＝X_Private∪X_Public上，定义标签的生成规则集F；X_Private为私域数据；X_Public为公域数据；

Tⁱ＝fⁱ(X)i∈{1...n}

F＝{fⁱ}i∈{1...n}

T＝{Tⁱ}i∈{1...n}

由私域方将规则集F和标签集T同步给公域方；其中，fⁱ(X)为基于特征空间X的第i个标签的生成规则。