公开(公告)号：CN116523602A

公开(公告)日：2023-08-01

申请号：CN202310508313.7

申请日：2023-05-08

Applicant: 重庆邮电大学

Inventor： 陈奉 ,  何杭轩 ,  钱鹰 ,  陈雪 ,  吕九峦 ,  刘歆 ,  韦庆杰 ,  熊炜

IPC: G06Q30/0601 ,  G06Q40/00 ,  G06F21/62 ,  G06N3/0895 ,  G06N3/098 ,  G06N20/00

Abstract: 本发明涉及一种多方半监督学习的金融产品潜在用户推荐方法，属于大数据推荐领域，针对金融产品提供方只拥有正样本的己方数据而无法进行推荐的问题，在保护多方数据安全隐私的情况下，联合多方未标记数据进行多次随机采样，构建正负样本均衡的二分类数据集，训练基于基学习器的纵向联邦学习模型，根据其预测结果，从未标记样本数据中选出可靠正样本，多次迭代数据集重构采样、模型训练预测过程，选出批量可靠正样本。本方法有效地解决了只有少量正样本和大量未标记样本的批量推荐，提高了推荐的可靠性，实现了金融产品潜在用户的精准与批量推荐。