[发明专利]训练模型的方法、确定资产估值的方法和装置

权利要求书

1.一种训练模型的方法，包括：

根据第一特征数据集，确定事件级表征；

根据所述事件级表征，针对第一模型进行多任务学习，得到第一价格分布数据，并将所述第一价格分布数据发送至中央服务器；

根据第二特征数据集，确定第一地域内表征；

为所述第一地域内表征增加噪声信号，得到加噪地域内表征，并将所述加噪地域内表征发送至客户端，其中，所述客户端用于根据第三特征数据集合和所述加噪地域内表征，确定地域级表征，根据所述加噪地域内表征和所述地域级表征，针对第二模型进行多任务学习，得到第二价格分布数据，并将所述第二价格分布数据发送至所述中央服务器，所述中央服务器用于根据所述第一价格分布数据和所述第二价格分布数据，确定参数梯度，并针对所述参数梯度增加噪声，得到加噪参数梯度；以及

响应于接收到来自所述中央服务器的加噪参数梯度，根据所述加噪参数梯度，调整所述第一模型的参数。

2.根据权利要求1所述的方法，还包括：

获取敏感度和差分隐私参数；

根据所述敏感度和所述差分隐私参数，计算第一参数；

从均匀分布的样本空间中抽样，得到第二参数；以及

根据所述第一参数和所述第二参数，计算所述噪声信号的噪声值。

3.根据权利要求2所述的方法，所述根据所述敏感度和所述差分隐私参数，计算第一参数，包括：

根据以下公式计算所述第一参数：

其中，所述b为所述第一参数，所述Δf为所述敏感度，所述ε为所述差分隐私参数。

4.根据权利要求2所述的方法，所述根据所述第一参数和所述第二参数，计算所述噪声信号的噪声值，包括：

根据以下公式计算所述噪声值：

f^-1＝-b·sign(α)·ln(1-2·|α|)

其中，所述f^-1为所述噪声值，所述b为所述第一参数，所述α为所述第二参数。

5.根据权利要求1所述的方法，其中，所述根据第一特征数据集，确定事件级表征，包括：

根据所述第一特征数据集，确定交易事件图；以及

利用所述交易事件图进行表征学习，得到所述事件级表征。

6.根据权利要求5所述的方法，其中，所述第一特征数据集包括：多个交易事件的资产概况特征和时间特征。

7.根据权利要求6所述的方法，其中，所述根据所述第一特征数据集，确定交易事件图，包括：

根据所述多个交易事件的资产概况特征和时间特征，确定所述多个交易事件中与预测目标相关的第一交易事件；以及

根据所述第一交易事件的资产概况特征和时间特征，确定所述交易事件图。

8.根据权利要求1所述的方法，其中，所述根据第二特征数据集，确定第一地域内表征，包括：

根据所述第二特征数据集，确定第一地域图；以及

利用所述第一地域图进行表征学习，得到所述第一地域内表征。

9.根据权利要求8所述的方法，其中，所述第二特征数据集包括：多个交易事件的资产概况特征、时间特征和地域特征。

10.根据权利要求9所述的方法，其中，所述根据所述第二特征数据集，确定第一地域图，包括：

根据所述多个交易事件的地域特征，将所述多个交易事件分为多个交易事件集合；

针对多个交易事件集合中的每个交易事件集合，

确定所述交易事件集合中与预测目标相关的第二交易事件；以及

根据所述第二交易事件的资产概况特征、时间特征和地域特征，确定所述第一地域图。