(19)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 202210373218.6 (22)申请日 2022.04.11 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 郭慧杰　廖旺胜　黄琳莉　黄倩颖　 庄恩瀚　丁平　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 周初冬 (51)Int.Cl. G06F 16/9535(2019.01) G06F 21/62(2013.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 网络模型的训练方法、 装置、 电子设备及存 储介质 (57)摘要 本申请提供一种网络模型的训练方法、 装 置、 电子设备及存储介质， 可应用于大数据领域。 在网络模型的训练方法中， 首先根据各个参与方 构建一个环形网络， 其中， 参与方为加入联邦平 台的机构。 然后在环形网络中， 依次利用每一个 参与方的本地数据训练参与方的输入模型， 得到 参与方的输出模 型， 直至符合预设的结束条件为 止， 并得到最终的神经网络模型； 其中， 第一个参 与方的输入模型为预先构建的初始神经网络模 型， 除第一个参与方 以外， 每一个参与方的输入 模型为前一个参与方所发送的输出模 型。 由此可 知， 利用本申请的方法， 实现了多个参与方之间 利用本地数据联合训练网络模型， 从而得到更精 准的网络模型。 权利要求书1页 说明书6页 附图1页 CN 114741593 A 2022.07.12 CN 114741593 A 1.一种网络模型的训练方法， 其特 征在于， 包括： 根据各个参与方构建一个环形网络， 其中， 所述 参与方为加入联邦平台的机构； 在所述环形网络 中， 依次利用每一个所述参与 方的本地数据训练所述参与 方的输入模 型， 得到所述参与方的输出模型， 直至符合预设的结束 条件为止， 并得到最 终的神经网络模 型； 其中， 第一个所述参与方的输入模 型为预先构建的初始神经网络模型， 除第一个所述参 与方以外， 每一个所述 参与方的输入 模型为前一个所述 参与方所发送的输出模型。 2.根据权利要求1所述的方法， 其特征在于， 所述根据各个参与方构建一个环形网络之 前， 还包括： 对各个所述 参与方的用户数据进行 数据预处 理。 3.根据权利要求1所述的方法， 其特征在于， 在各个所述参与 方之间进行所述输出模型 的传输时， 包括： 对所述输出模型进行加密 传输。 4.根据权利要求1所述的方法， 其特征在于， 所述得到最终的神经网络模型之后， 还包 括： 利用所述 最终的神经网络模型进行用户的产品偏好推荐。 5.一种网络模型的训练装置， 其特 征在于， 包括： 构建单元， 用于根据 各个参与 方构建一个环形网络， 其中， 所述参与方为加入联邦平台 的机构； 训练单元， 用于在所述环形网络中， 依次利用每一个所述参与方的本地数据训练所述 参与方的输入模型， 得到所述参与方的输出模型， 直至 符合预设的结束 条件为止， 并得到最 终的神经网络模型； 其中， 第一个所述参与方的输入模型为预先构建的初始神经网络模型， 除第一个所述参与方以外， 每一个所述参与方的输入模型为前一个所述参与方所发送的输 出模型。 6.根据权利要求5所述的装置， 其特 征在于， 还 包括： 预处理单元， 用于对各个所述 参与方的用户数据进行 数据预处 理。 7.根据权利要求5所述的装置， 其特 征在于， 所述训练单 元， 包括： 加密子单 元， 用于对所述输出模型进行加密 传输。 8.根据权利要求5所述的装置， 其特 征在于， 还 包括： 推荐单元， 用于利用所述 最终的神经网络模型进行用户的产品偏好推荐。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 其上存 储有一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个处理器 实现如权利要求1至4中任意 一项所述的方法。 10.一种计算机存储介质， 其特征在于， 其上存储有计算机程序， 其中， 所述计算机程序 被处理器执行时实现如权利要求1至4中任意 一项所述的方法。权　利　要　求　书 1/1 页 2 CN 114741593 A 2网络模型的训练方 法、 装置、 电子设备及存储介质 技术领域 [0001]本申请涉及大数据技术领域， 尤其涉及一种网络模型的训练方法、 装置、 电子设备 及存储介质。 背景技术 [0002]随着金融机构的业务拓展， 金融产品的种类的越来越多， 为了更好的提供用户服 务， 则需要针对不同的用户推荐适 合用户的金融产品， 用户的购买率 也会提高。 [0003]在现有技术中， 进行金融推荐时， 由于各家金融机构都只掌握自家的数据信息， 受 客户隐私以及监管要求， 金融机构之间无法实现数据共享， 而单凭一家金融机构的数据通 常难以构建全面精准的客户产品推荐模型， 导致构建出来的模型无法做到向用户精准推荐 金融产品， 难以应用到产品推荐的业 务当中。 发明内容 [0004]有鉴于此， 本申请提供一种网络模型的训练方法、 装置、 电子设备及存储介质， 以 解决现有技术中难以构建全面精准的客户产品推荐模型， 导致构建出来的模型无法做到向 用户精准推荐金融产品， 难以应用到产品推荐的业 务当中的问题。 [0005]为实现上述目的， 本申请提供如下技 术方案： [0006]本申请第一方面公开了、 一种网络模型的训练方法， 包括： [0007]根据各个参与方构建一个环形网络， 其中， 所述 参与方为加入联邦平台的机构； [0008]在所述环形网络中， 依次利用每一个所述参与方的本地数据训练所述参与方的输 入模型， 得到所述参与方的输出模型， 直至 符合预设的结束 条件为止， 并得到最终的神经网 络模型； 其中， 第一个所述参与方的输入模型为预先构建的初始神经网络模型， 除第一个所 述参与方以外， 每一个所述 参与方的输入 模型为前一个所述 参与方所发送的输出模型。 [0009]可选的， 上述的方法， 所述 根据各个参与方构建一个环形网络之前， 还 包括： [0010]对各个所述 参与方的用户数据进行 数据预处 理。 [0011]可选的， 上述的方法， 在各个所述 参与方之间进行 所述输出模型的传输时， 包括： [0012]对所述输出模型进行加密 传输。 [0013]可选的， 上述的方法， 利用所述 最终的神经网络模型进行用户的产品偏好推荐。 [0014]本申请第二方面公开了一种网络模型的训练装置， 包括： [0015]构建单元， 用于根据各个参与方构建一个环形网络， 其中， 所述参与方为加入联邦 平台的机构； [0016]训练单元， 用于在所述环形网络中， 依次利用每一个所述参与方的本地数据训练 所述参与方的输入模 型， 得到所述参与方的输出模 型， 直至符合预设的结束条件为止， 并得 到最终的神经网络模型； 其中， 第一个所述参与方 的输入模型为预先构建的初始神经网络 模型， 除第一个所述参与方以外， 每一个所述参与方的输入模型为前一个所述参与方所发 送的输出模型。说　明　书 1/6 页 3 CN 114741593 A 3