[发明专利]业务数据的推送方法、装置和服务器

说明书

本说明书提供了业务数据的推送方法、装置和服务器。基于该方法，在人工智能领域，服务器在向用户对象进行业务数据推送时，先确定出用户对象的客群类型，再调用预设的目标用户预测模型中与客群类型相匹配的预测子模型确定该用户对象是否为潜在的会接受业务数据的目标用户；其中，上述预设的目标用户预测模型包括根据第一数据方的第一样本数据与第二数据方的第二样本数据基于横向联邦学习建立得到的第一预测子模型，以及根据第一样本数据、第二样本数据，以及第一预测子模型基于联邦迁移学习建立得到的第二预测子模型；在确定用户对象为目标用户的情况下，向该用户对象推送合适的目标业务数据，从而可以得到较好的推送效果，提高推送成功率。

技术领域

本说明书属于人工智能技术领域，尤其涉及业务数据的推送方法、装置和服务器。

背景技术

在许多业务数据的推送场景(例如，理财业务的推荐场景等)中，受限于所使用的预测模型的模型精度，往往难以准确地预判出待推送业务数据的用户对象是否是潜在的会接受该业务数据的目标用户。导致基于现有方法在向用户对象推送业务数据时常常存在推送不精准、业务数据推送效果差等技术问题。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书提供了一种业务数据的推送方法、装置和服务器，以能够利用基于横向联邦学习和联邦迁移学习建立的预设的目标用户预测模型，准确地确定出用户对象是否为目标用户；并在确定用户对象为目标用户的情况下，向该用户对象推送相应的目标业务数据，从而可以得到较好的推送效果，提高推送成功率。

本说明书提供的一种业务数据的推送方法，包括：

获取用户对象的标识信息，以及用户对象的特征数据；其中，所述特征数据至少包括非业务类特征数据；

根据所述用户对象的标识信息，确定所述用户对象的客群类型；

调用预设的目标用户预测模型中与所述用户对象的客群类型相匹配的预测子模型处理所述用户对象的特征数据，以确定所述用户对象是否为目标用户；其中，所述预设的目标用户预测模型至少包括第一预测子模型和第二预测子模型；所述第一预测子模型为预先根据第一数据方中的第一样本数据与第二数据方中的第二样本数据基于横向联邦学习建立得到的；所述第二预测子模型为预先根据第一样本数据与第二样本数据，并结合第一预测子模型的数据知识基于联邦迁移学习建立得到的；

在确定所述用户对象为目标用户的情况下，向所述用户对象推送合适的目标业务数据。

在一个实施例中，所述客群类型包括：特征齐全的第一客群类型和特征不齐全的第二客群类型。

在一个实施例中，所述第一预测子模型与第一客群类型匹配，所述第二预测子模型与第二客群类型匹配。

在一个实施例中，所述预设的目标用户预测模型按照以下方式建立：

第一服务器响应关于预设的目标用户预测模型的第一训练请求，根据基于横向联邦学习的协议规则，与第二服务器合作进行样本数据融合，以确定出第一客群类型的样本用户中的第一正样本用户、第一负样本用户，以及第二客群类型的样本用户中的第二正样本用户、第二负样本用户；其中，所述第一服务器为部署于第一数据方一侧的服务器，所持有的第一样本数据至少包含全量样本用户的非业务类特征数据，所述全量样本用户包括第一客群类型的样本用户和第二客群类型的样本用户；所述第二服务器为部署于第二数据方一侧的服务器，所持有的第二样本数据至少包含有全量正样本用户的业务类特征数据；

从所述第一样本数据中获取第一正样本用户的非业务类特征数据、第一负样本用户的非业务类特征数据，作为第一分组样本数据；从所述第一样本数据中获取第二正样本用户的非业务类特征数据、第二负样本用户的非业务类特征数据，作为第二分组样本数据；

根据所述第一分组样本数据，训练得到第一预测子模型；