(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111415275.8 (22)申请日 2021.11.25 (71)申请人 深圳前海微众 银行股份有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 衣志昊　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 代理人 梁爽 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 40/02(2012.01) (54)发明名称 基于特征工程的联邦学习建模 优化方法 (57)摘要 本申请公开了一种基于特征工程的联邦学 习建模优化方法、 设备、 可读存储介质及计算机 程序产品， 应用于参与方设备， 所述基于特征工 程的联邦 学习建模优化方法包括： 获取联邦学习 任务对应的待处理数据， 并识别所述待处理数据 的数据类型信息； 依据所述数据类型信息， 在协 调方设备下发的特征工程模块中确定对应的特 征工程子模块； 依据所述联邦学习任务对应的待 构建模型信息， 对所述待处理数据执行所述特征 工程子模块中的预设特征工程处理流程， 得到特 征工程处理结果； 依据所述特征工程处理结果， 联合其他参与方设备进行联邦学习建模， 得到目 标联邦学习模 型。 本申请解决了联邦学习系统推 广效率低的技 术问题。 权利要求书2页 说明书11页 附图3页 CN 114091769 A 2022.02.25 CN 114091769 A 1.一种基于特征工程的联邦学习建模优化方法， 其特征在于， 应用于参与 方设备， 所述 基于特征工程的联邦学习建模 优化方法包括： 获取联邦学习任务对应的待处 理数据， 并识别所述待处 理数据的数据类型信息； 依据所述数据类型信 息， 在协调方设备下发的特征工程模块中确定对应的特征工程子 模块； 依据所述联邦学习任务对应的待构建模型信 息， 对所述待处理数据执行所述特征工程 子模块中的预设特 征工程处 理流程， 得到特 征工程处 理结果； 依据所述特征工程处理结果， 联合其他参与方设备进行联邦学习建模， 得到目标联邦 学习模型。 2.如权利要求1所述基于特征工程的联邦学习建模优化方法， 其特征在于， 所述数据类 型信息包括数据类型 标签， 所述依据 所述数据类型信 息， 在协调方设备下发的特征工程模块中确定对应的特征工 程子模块的步骤 包括： 依据所述数据类型 标签在所述特 征工程模块中查询对应的工程模块配置文件； 解析并加载 所述工程模块配置文件， 得到所述特 征工程子模块。 3.如权利要求1所述基于特征工程的联邦学习建模优化方法， 其特征在于， 所述待处理 数据包括文本数据， 所述依据 所述联邦学习 任务对应的待构建模型信 息， 对所述待处理数据 执行所述特征 工程子模块中的预设特 征工程处 理流程， 得到特 征工程处 理结果的步骤 包括： 依据所述待构建模型信 息， 确定所述联邦学习任务对应的待构建联邦模型的所属模型 类型； 若所述所属模型类型为预设第一模型类型， 则对所述文本数据进行文本特征提取， 得 到目标文本特 征， 将所述目标文本特 征作为所述特 征工程处 理结果； 若所述所属模型类型为预设第二模型类型， 则依据所述文本数据， 构建预训练语言模 型， 将所述预训练语言模型作为所述特 征工程处 理结果。 4.如权利要求3所述基于特征工程的联邦学习建模优化方法， 其特征在于， 所述对所述 文本数据进行文本特 征提取， 得到目标文本特 征的步骤 包括： 对所述文本数据进行分词， 得到各文本词； 依据各所述文本词的词频， 在各 所述文本词中选取 预设数量的目标文本词； 计算各所述目标文本词的tfidf特 征， 将各所述tfidf特 征拼接为所述目标文本特 征。 5.如权利要求1所述基于特征工程的联邦学习建模优化方法， 其特征在于， 所述待处理 数据包括用户行为数据， 所述依据 所述联邦学习 任务对应的待构建模型信 息， 对所述待处理数据 执行所述特征 工程子模块中的预设特 征工程处 理流程， 得到特 征工程处 理结果的步骤 包括： 依据所述待构建模型信 息， 确定所述联邦学习任务对应的待构建联邦模型的所属模型 类型； 若所述所属模型类型为预设第 一模型类型， 则对所述用户行为数据进行用户行为特征 提取， 得到目标用户行为特 征， 将所述用户行为特 征作为所述特 征工程处 理结果； 若所述所属模型类型为预设第 二模型类型， 则将所述用户行为数据转换为文本形式的权　利　要　求　书 1/2 页 2 CN 114091769 A 2用户行为文本数据； 依据所述用户行为文本数据， 构建预训练行为特征提取模型， 并将所述预训练行为特 征提取模型作为所述特 征工程处 理结果。 6.如权利要求5所述基于特征工程的联邦学习建模优化方法， 其特征在于， 所述用户行 为数据包括用户行为标签数据， 所述对所述用户行为数据进行用户行为特征提取， 得到目标用户行为特征的步骤包 括： 统计所述用户行为标签数据中各用户行为标签在预设时间段内的标签出现频率； 依据各所述标签出现频率， 构建所述用户行为标签数据对应的目标用户行为特 征。 7.如权利要求5所述基于特征工程的联邦学习建模优化方法， 其特征在于， 所述对所述 用户行为数据进行用户行为特 征提取， 得到目标用户行为特 征的步骤 包括： 统计所述用户行为数据中各用户行为对应的行为发生 时间、 对应的行为出现频率分布 以及对应的行为 转化率； 依据各所述行为发生时间、 各所述行为出现频率分布以及各所述行为转化率， 生成所 述用户行为数据对应的目标用户行为特 征。 8.一种基于特征工程的联邦学习建模优化设备， 其特征在于， 所述基于特征工程的联 邦学习建模优化设备包括： 存储器、 处理器以及存储在存储器上 的用于实现所述基于特征 工程的联邦学习建模 优化方法的程序， 所述存储器用于存 储实现基于特 征工程的联邦学习建模 优化方法的程序； 所述处理器用于执行实现所述基于特征工程的联邦学习建模优化方法的程序， 以实现 如权利要求1至7中任一项所述基于特 征工程的联邦学习建模 优化方法的步骤。 9.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有实现基于特征工程的 联邦学习建模优化方法的程序， 所述 实现基于特征工程的联邦学习建模优化方法的程序被 处理器执行以实现如权利要求1至7中任一项所述基于特征工程的联邦学习建模优化方法 的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至7中任一项所述基于特 征工程的联邦学习建模 优化方法的步骤。权　利　要　求　书 2/2 页 3 CN 114091769 A 3