基于联邦学习的多方联合因果树模型构建系统以及方法技术方案

说明书实施例提供基于联邦学习的多方联合因果树模型构建系统及方法，其中基于联邦学习的多方联合因果树模型构建系统包括：主动方，用于响应于多方联合模型构建任务生成模型联合构建请求，并发送至被动方；被动方，用于接收模型联合构建请求，并根据模型联合构建请求读取被动方样本数据的第一类别信息，并发送至主动方；主动方，用于基于本地样本数据对应的第二类别信息或第一类别信息确定至少一个分割方式；针对每个分割方式分别构建评估任务并执行，并确定每个分割方式对应的分割评分，基于分割评分在至少一个分割方式中选择目标分割方式，根据目标分割方式构建多方联合因果树模型，从而实现预测不同对象对干预措施的响应信息的技术效果。信息的技术效果。信息的技术效果。

【技术实现步骤摘要】
基于联邦学习的多方联合因果树模型构建系统以及方法


[0001]本说明书实施例涉及机器学习
，特别涉及一种基于联邦学习的多方联合因果树模型构建系统以及方法。

技术介绍

[0002]因果树模型，也称异质性因果效应分析模型，用于研究不同个体或群体之间，特定干预措施的因果效应是否存在差异，因而其可以帮助企业评估特定干预措施对不同的个体或群体的不同的效果，例如可以应用于教育政策评估、医疗干预研究、市场营销和消费者行为、产品优化及用户体验、社会福利干预效果研究等。
[0003]现有技术在进行因果树模型的构建时，通过将多方数据集合到同一方去进行模型训练，但是将数据集合到同一方很容易泄露各方数据，而且由于对隐私数据的保护，各数据合作方无法提供相关隐私数据，导致构建的因果树模型不够精准，无法精准分析不同个体或群体对于干预措施的异质性表现，因而亟需一种有效的方案以解决上述问题。

技术实现思路

[0004]有鉴于此，本说明书实施例提供了一种基于联邦学习的多方联合因果树模型构建系统。本说明书一个或者多个实施例同时涉及一种基于联邦学习的多方联合因果树模型构建方法，一种数据处理系统，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面，提供了一种基于联邦学习的多方联合因果树模型构建系统，所述系统包括主动方和被动方，包括：所述主动方，用于响应于多方联合模型构建任务生成模型联合构建请求，并将所述模型联合构建请求发送至所述被动方；所述被动方，用于接收所述模型联合构建请求，并根据所述模型联合构建请求读取被动方样本数据的第一类别信息，并发送至所述主动方；所述主动方，用于基于本地样本数据对应的第二类别信息或所述第一类别信息确定关联所述多方联合模型构建任务的至少一个分割方式；针对每个分割方式分别构建评估任务并执行，根据评估任务执行结果确定每个分割方式对应的分割评分，其中，评估任务为与所述主动方单方关联的评估任务或与所述主动方和所述被动方多方关联的评估任务；基于每个分割方式对应的分割评分在至少一个分割方式中选择目标分割方式，根据所述目标分割方式构建所述多方联合模型构建任务对应的多方联合因果树模型，其中，所述多方联合因果树模型用于预测不同对象对干预措施的响应信息。
[0006]根据本说明书实施例的第二方面，提供了一种基于联邦学习的多方联合因果树模型构建方法，包括：主动方响应于多方联合模型构建任务生成模型联合构建请求；被动方根据所述模型联合构建请求读取被动方样本数据的第一类别信息；
主动方基于本地样本数据对应的第二类别信息或所述第一类别信息确定关联所述多方联合模型构建任务的至少一个分割方式；针对每个分割方式分别构建评估任务并执行，根据评估任务执行结果确定每个分割方式对应的分割评分，其中，评估任务为与所述主动方单方关联的评估任务或与所述主动方和所述被动方多方关联的评估任务；基于每个分割方式对应的分割评分在至少一个分割方式中选择目标分割方式，根据所述目标分割方式构建所述多方联合模型构建任务对应的多方联合因果树模型，其中，所述多方联合因果树模型用于预测不同对象对干预措施的响应信息。
[0007]根据本说明书实施例的第三方面，提供了一种数据处理系统，包括：主动方，用于接收异质性因果效应分析请求；并将所述异质性因果效应分析请求中携带的待分析数据输入至上述系统中的多方联合因果树模型进行处理；根据处理结果获得所述待分析数据中的不同对象对干预措施的响应信息。
[0008]根据本说明书实施例的第四方面，提供了一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述基于联邦学习的多方联合因果树模型构建方法的步骤。
[0009]根据本说明书实施例的第五方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述基于联邦学习的多方联合因果树模型构建方法的步骤。
[0010]本说明书一个实施例提供了一种基于联邦学习的多方联合因果树模型构建系统，包括主动方和被动方，通过主动方响应于多方联合模型构建任务生成模型联合构建请求，并将模型联合构建请求发送至被动方；被动方接收模型联合构建请求，并根据模型联合构建请求读取被动方样本数据的第一类别信息，并发送至主动方；主动方基于本地样本数据对应的第二类别信息或第一类别信息确定关联多方联合模型构建任务的至少一个分割方式；针对每个分割方式分别构建评估任务并执行，根据评估任务执行结果确定每个分割方式对应的分割评分；基于每个分割方式对应的分割评分在至少一个分割方式中选择目标分割方式，从而实现被动方的数据不出域，不泄露各方隐私的情况下，确定结合了多方数据的影响的目标分割方式。根据目标分割方式构建多方联合模型构建任务对应的多方联合因果树模型以实现预测不同对象对干预措施的响应信息，即得到能够预测不同对象对干预措施的响应情况的多方联合因果树模型，可以保证在不泄露各方数据隐私的情况下，完成多方联合的因果树模型的构建，以结合多方数据对干预措施的影响信息，实现多方联合下的预测不同对象对于干预措施的响应情况。
附图说明
[0011]图1是本说明书一个实施例提供的一种基于联邦学习的多方联合因果树模型构建系统的示意图；图2是本说明书一个实施例提供的一种基于联邦学习的多方联合因果树模型构建系统的结构示意图；
图3是本说明书一个实施例提供的一种基于联邦学习的多方联合因果树模型构建方法的处理过程流程图；图4是本说明书一个实施例提供的一种数据处理系统的系统示意图；图5是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
[0012]在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
[0013]在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0014]应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0015]此外，需要说明的是，本说明书一个或多个实施例所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联邦学习的多方联合因果树模型构建系统，其特征在于，应用于消费者行为分析场景，所述系统包括主动方和被动方，所述主动方为第一营销平台，所述被动方为第二营销平台，包括：所述主动方，用于响应于多方联合模型构建任务生成模型联合构建请求，并将所述模型联合构建请求发送至所述被动方；所述被动方，用于接收所述模型联合构建请求，并根据所述模型联合构建请求读取用户第二消费数据的第一消费类别信息，并发送至所述主动方；所述主动方，用于基于用户第一消费数据对应的第二消费类别信息或所述第一消费类别信息确定关联所述多方联合模型构建任务的至少一个分割方式；针对每个分割方式分别构建评估任务并执行，根据评估任务执行结果确定每个分割方式对应的分割评分，其中，评估任务为与所述主动方单方关联的评估任务或与所述主动方和所述被动方多方关联的评估任务；基于每个分割方式对应的分割评分在至少一个分割方式中选择目标分割方式，根据所述目标分割方式构建所述多方联合模型构建任务对应的多方联合因果树模型，其中，所述多方联合因果树模型用于预测不同消费者对干预措施的响应信息。2.根据权利要求1所述的基于联邦学习的多方联合因果树模型构建系统，其特征在于，所述主动方，还用于获取所述用户第一消费数据对应的结果标签数据，并构建初始多方联合模型构建任务，以及通过隐私计算下的联合计算模型对所述主动方和所述被动方进行联合计算，根据所述联合计算结果对所述结果标签数据进行更新，获得所述用户第一消费数据对应的无偏结果标签数据，利用所述无偏结果标签数据对所述初始多方联合模型构建任务进行更新，获得多方联合模型构建任务。3.根据权利要求2所述的基于联邦学习的多方联合因果树模型构建系统，其特征在于，所述主动方，还用于通过联邦逻辑回归模型对所述主动方和所述被动方进行联邦计算，根据所述联邦计算结果对所述结果标签数据进行更新，获得所述用户第一消费数据对应的无偏结果标签数据。4.根据权利要求3所述的基于联邦学习的多方联合因果树模型构建系统，其特征在于，所述主动方，还用于将初始逻辑回归模型拆分为第一子模型和第二子模型，将所述第二子模型发送至所述被动方；基于用户第一消费数据对所述第一子模型训练，得到所述第一子模型对应的第一参数；所述被动方，用于接收所述第二子模型，基于所述用户第二消费数据对所述第二子模型训练，得到所述第二子模型对应的第二参数，并将所述第二参数发送至所述主动方；所述主动方，用于接收所述第二参数，并基于所述第一参数和所述第二参数更新所述初始逻辑回归模型，直至获得满足训练停止条件的逻辑回归模型。5.根据权利要求3所述的基于联邦学习的多方联合因果树模型构建系统，其特征在于，所述主动方，还用于将所述逻辑回归模型发送至所述被动方；所述被动方，还用于接收所述逻辑回归模型，利用所述逻辑回归模型计算所述用户第二消费数据的被动方参量样本数据，并发送所述被动方参量样本数据至所述主动方；所述主动方，接收所述被动方参量样本数据，将所述用户第一消费数据和所述被动方参量样本数据输入至所述逻辑回归模型进行处理，获得所述用户第一消费数据对应的无偏结果标签数据。
6.根据权利要求2所述的基于联邦学习的多方联合因果树模型构建系统，其特征在于，所述主动方，还用于获取预设随机数，基...

【专利技术属性】
技术研发人员：王克华，陈超超，郑小林，李岩，
申请(专利权)人：杭州金智塔科技有限公司，
类型：发明
国别省市：