(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 202111341459.4 (22)申请日 2021.11.12 (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 滕建德　王欣　王增峰　张亚泽　 李瑞男　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 代理人 薛平　周晓飞 (51)Int.Cl. G06F 16/9535(2019.01) G06N 20/00(2019.01) G06Q 40/06(2012.01) (54)发明名称 基于联邦学习的理财产品智能推荐方法及 装置 (57)摘要 本发明公开了一种基于联邦学习的理财产 品智能推荐方法及装置， 涉及人工智 能领域， 该 方法应用于每个银行节点， 多个银行节点加入 联 邦学习网络集群， 包括： 采集外汇相关资讯， 对外 汇相关资讯进行预处理后对热度产品模型进行 训练， 将训练后的热度产品模型的模 型参数上传 到联邦学习网络集群， 由联邦学习网络集群对多 个银行节点上传的模型参数进行联合训练后返 回至每个银行节点， 基于联合训练后的模型参数 对热度产品模 型进行再次训练， 直到训练获得最 优热度产品模型为止； 采集当前外汇相关资讯， 根据当前外汇相关资讯， 利用最优 热度产品模型 进行热度产品预测， 将预测后的热度产品推送给 用户。 本发 明可以给客户提供更精 准的热度产品 推荐。 权利要求书2页 说明书7页 附图3页 CN 114117210 A 2022.03.01 CN 114117210 A 1.一种基于联邦学习的理财产品智能推荐方法， 其特征在于， 多个银行节点加入联邦 学习网络集群， 该 方法应用于每 个银行节点， 包括： 采集外汇相关资讯， 对外汇相关资讯进行预处理， 其中预处理包括标记外汇热度产品， 基于预处理后的外汇相关资讯对热度产品模型进行训练， 获得训练后的热度产品模型， 将 训练后的热度产品模型的模型参数上传到联邦学习网络集群， 由联邦学习网络集群对多个 银行节点上传的热度产品模型的模型参数进 行联合训练后返回至每个银行节点， 每个银行 节点基于联合训练后的模型参数对热度产品模型进行再次训练， 直到训练获得最优热度产 品模型为止； 采集当前外汇相关资讯， 根据当前外汇相关资讯， 利用最优热度产品模型进行热度产 品预测， 获得 预测后的热度 产品， 将所述预测后的热度 产品推送给用户。 2.如权利要求1所述的基于联邦学习的理财产品智能推荐方法， 其特征在于， 对外汇相 关资讯进行预处理， 包括： 对标记外汇热度 产品的外汇相关 资讯使用结巴分词进行 数据清洗； 对清洗后的数据进行 特征提取， 获得 特征数据； 对特征数据进行降维处 理， 获得降维后的特 征数据。 3.如权利要求2所述的基于联邦学习的理财产品智能推荐方法， 其特征在于， 对清洗后 的数据进行 特征提取， 获得 特征数据， 包括： 利用TF‑IDF函数将清洗后的数据转变成权值， 获得权值数据特 征； 利用期望交叉熵评估函数对权值数据特征进行提取， 得出的交叉熵值按大到小排序， 选择前预设数量的特 征数据。 4.如权利要求1所述的基于联邦学习的理财产品智能推荐方法， 其特征在于， 将所述预 测后的热度 产品推送给用户， 包括： 将所述预测后的热度 产品通过5G消息推送给用户。 5.一种基于联邦学习的理财产品智能推荐装置， 其特征在于， 多个银行节点加入联邦 学习网络集群， 该装置应用于每 个银行节点， 包括： 数据采集模块， 用于采集外汇相关 资讯； 数据处理模块， 用于对外汇相关 资讯进行预处理， 其中预处 理包括标记外汇热度 产品； 模型训练和数据交互模块， 用于基于预处理后的外汇相关资讯对热度产品模型进行训 练， 获得训练后的热度产品模型， 将训练后的热度产品模型 的模型参数上传到联邦学习网 络集群， 由联邦学习网络集群对多个银行节点上传的热度产品模型的模型参数进 行联合训 练后返回至每个银行节点； 每个银行节点基于联合训练后的模型参数对热度产品模型进 行 再次训练， 直到训练获得最优热度 产品模型为止； 数据采集模块还用于： 采集当前外汇相关 资讯； 预测模块， 用于根据当前外汇相关资讯， 利用最优热度产品模型进行热度产品预测， 获 得预测后的热度 产品； 推送模块， 用于将所述预测后的热度 产品推送给用户其中。 6.如权利要求5所述的基于联邦学习的理财产品智能推荐装置， 其特征在于， 数据处理 模块具体用于： 对标记外汇热度 产品的外汇相关 资讯使用结巴分词进行 数据清洗；权　利　要　求　书 1/2 页 2 CN 114117210 A 2对清洗后的数据进行 特征提取， 获得 特征数据； 对特征数据进行降维处 理， 获得降维后的特 征数据。 7.如权利要求6所述的基于联邦学习的理财产品智能推荐装置， 其特征在于， 数据处理 模块具体用于： 利用TF‑IDF函数将清洗后的数据转变成权值， 获得权值数据特 征； 利用期望交叉熵评估函数对权值数据特征进行提取， 得出的交叉熵值按大到小排序， 选择前预设数量的特 征数据。 8.如权利要求5所述的基于联邦学习的理财产品智能推荐装置， 其特征在于， 推送模块 具体用于： 将所述预测后的热度 产品通过5G消息推送给用户。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至4任一项所述 基于联邦学习的理财产品智能推荐方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现权利要求1至4任一项所述基于联邦学习的理财产品智能推荐方法的步骤。权　利　要　求　书 2/2 页 3 CN 114117210 A 3