基于横向联邦学习的建立用户行为周期模型的方法及系统

摘要

本发明提出了一种基于横向联邦学习的建立用户行为周期模型的方法及系统，该方法包括：采集用户历史行为数据，对用户历史行为数据进行预处理；将预处理后的数据按照用户ID进行划分，构建为时间序列数据；对时间序列数据进行向量化处理；根据用户特征向量进行横向联邦学习，由每个参与方分别在本地利用长短期记忆人工神经网络对本地模型进行训练，将训练后的模型参数上传至模型聚合服务器；将模型参数进行更新聚合处理，得到聚合模型参数；检测聚合模型是否收敛，若未收敛，将聚合模型参数返回参与方继续迭代训练，直到检测到的聚合模型处于收敛状态；根据收敛状态下聚合模型的聚合模型参数，建立用户行为周期预测模型，并下传至参与方。