[发明专利]用户设备、服务器及其方法

说明书

提供了保护用户隐私的用于预测模型的用户设备、服务器及其方法。一种用户设备执行的方法包括：从收集的用户数据中提取原始特征，对原始特征进行处理，得到该用户设备的特征向量；基于该特征向量和预测模型计算关于预测模型的中间参数；将该中间参数发送给服务器；以及更新预测模型参数。

技术领域

本发明涉及人工智能领域。更具体地，本发明涉及用于预测模型的用户设备、服务器及其方法。

背景技术

当前，随着移动互联网的快速发展和移动智能终端的广泛普及，移动端已经成为了互联网的主流入口，用户每天都在各种智能终端上产生了大量的用户数据，由于这些用户数据往往内含着用户的喜好信息，因此被各种服务提供商广泛地应用于各种互联网服务中，例如用户画像、个性化推荐、个性化搜索以及广告推送等。这些服务不仅很好地提升了用户体验，而且给服务提供商带来很多的商业利益和价值，所以，对用户数据进行深度挖掘以提升服务的质量是服务提供商的一项核心业务。

当前，随着用户安全意识的提高，个人用户越来越重视对个人隐私的保护，各国也出台了或者正在制定相关的法律法规来保护个人数据，遏制个人信息被滥用，这些法律对个人数据的收集和使用做出了严格的限制。因此，对用户数据的保护和合法利用是必须考虑的问题。在很多利用预测模型的系统中往往需要利用到各类用户数据，然而这些用户数据往往涉及到用户隐私，目前绝大多数预测系统需要在服务器端收集并存储这些用于预测的用户数据，这样的方式存在用户隐私泄露风险和法律合规风险。

发明内容

技术问题

需要用于预测模型的改进技术。

解决方案

提供了一种用户设备执行的方法，该方法包括：从收集的用户数据中提取原始特征，对原始特征进行处理，得到该用户设备的特征向量；基于该特征向量和预测模型计算关于预测模型的中间参数；将该中间参数发送给服务器；以及更新预测模型参数。

提供了一种用户设备，包括存储器和处理器，所述存储器中存储有计算机程序；所述处理器，用于在运行所述计算机程序时，执行如下方法：从收集的用户数据中提取原始特征，对原始特征进行处理，得到该用户设备的特征向量；基于该特征向量和预测模型计算关于预测模型的中间参数；将该中间参数发送给服务器；以及更新预测模型参数。

提供了一种服务器执行的方法，该方法包括：从用户设备接收基于特征向量和预测模型计算的关于预测模型的中间参数，该特征向量是用户设备通过从收集的用户数据中提取原始特征、对原始特征进行处理而得到的；以及对接收的中间参数进行聚合。

提供了一种服务器设备，包括存储器和处理器，所述存储器中存储有计算机程序；所述处理器，用于在运行所述计算机程序时，执行如下方法：从用户设备接收基于特征向量和预测模型计算的关于预测模型的中间参数，该特征向量是用户设备通过从收集的用户数据中提取原始特征、对原始特征进行处理而得到的；以及对接收的中间参数进行聚合。

有益效果

本发明提供了用于预测模型的改进技术。对于本领域技术人员而言，从后面结合附图公开本发明的示范性实施例的详细描述中，本发明的其它方面、优点和显著特征将变得清楚。

附图说明

图1示出了目前的用户属性预测系统的总体框图。

图2示出了根据本发明的实施例的用户属性预测系统的框图。

图3示出了根据本发明的实施例的用户设备执行的方法的流程图。

图4示出了根据本发明的实施例的服务器执行的方法的流程图。

图5示出了传统的特征映射方法的框图。

图6示出了根据本发明的实施例的特征映射方法的框图。