[发明专利]训练模型的方法、确定资产估值的方法和装置

说明书

本公开提供了一种训练模型的方法、确定资产估值的方法、装置、设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及深度学习和自然语言理解等技术领域。具体实现方案为：根据第一特征数据集，确定事件级表征；根据事件级表征，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；为第一地域内表征增加噪声信号，得到加噪地域内表征，并将加噪地域内表征发送至客户端；以及响应于接收到来自中央服务器的加噪参数梯度，根据加噪参数梯度，调整第一模型的参数。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习和自然语言理解等技术领域。

背景技术

房地产估价是指对房地产的市场价值形成无偏见意见的过程，对市场中的各种参与者(如房地产经纪人、估价人员、贷款人和买方)的决策起着至关重要的作用。

发明内容

本公开提供了一种训练模型的方法、确定资产估值的方法、装置、设备、存储介质以及程序产品。

根据本公开的一方面，提供了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；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。

根据本公开的另一方面，提供了一种训练模型的方法，包括：接收来自客户端的加噪地域内表征；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；将所述第二价格分布数据发送至中央服务器；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，调整所述第二模型的参数。

根据本公开的另一方面，提供了一种训练模型的方法，包括：接收来自第一客户端的第一价格分布数据和来自第二客户端的第二价格分布数据；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；针对所述参数梯度增加噪声，得到加噪参数梯度；以及将所述加噪参数梯度发送至所述第一客户端和所述第二客户端。

根据本公开的另一方面，提供了一种确定资产估值的方法，包括：将第一特征数据集合输入第一模型，得到事件级表征；将第二特征数据集合输入第二模型，得到地域级表征；以及根据所述事件级表征和所述地域级表征，确定资产估值。

根据本公开的另一方面，提供了一种训练模型的装置，包括：第一确定模块，用于根据第一特征数据集，确定事件级表征；第一多任务学习模块，用于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；第二确定模块，用于根据第二特征数据集，确定第一地域内表征；第一加噪模块，用于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；以及第一调整模块，用于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。

根据本公开的另一方面，提供了一种训练模型的装置，包括：第一接收模块，用于接收来自客户端的加噪地域内表征；第三确定模块，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；第二多任务学习模块，用于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；第一发送模块，用于将所述第二价格分布数据发送至中央服务器；以及第二调整模块，用于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，调整所述第二模型的参数。