公开(公告)号：CN119066495B

公开(公告)日：2025-02-14

申请号：CN202411164155.9

申请日：2024-08-23

Applicant: 重庆大学

Inventor： 胡春强 ,  易新志 ,  杨妮丹 ,  胡海波 ,  蔡斌

IPC: G06F18/241 ,  G06Q40/02 ,  G06N3/042 ,  G06N3/098 ,  G06N3/0895 ,  G06N3/092

Abstract: 本发明提供了一种基于联邦半监督图学习的银行客户分类方法及系统，该方法为：执行多轮全局学习直到全局客户分类模型收敛，每轮全局学习包括：向训练银行端下发加噪后的本轮全局伪标签矩阵和本轮全局模型参数；训练银行端基于本轮全局伪标签矩阵对本地客户数据图进行强化处理，对本地客户分类模型进行本地迭代训练，上传加噪后的本地模型参数和本地客户节点嵌入；中心服务器获得更新的全局模型参数和全局客户节点嵌入；银行端利用更新的全局模型参数生成银行端客户分类模型，将本地客户数据图输入银行端客户分类模型获得银行端预测标签矩阵，本发明提升了隐私安全，以及本地客户分类模型和全局客户分类模型的分类准确性。

公开(公告)号：CN119066495A

公开(公告)日：2024-12-03

申请号：CN202411164155.9

申请日：2024-08-23

Applicant: 重庆大学

Inventor： 胡春强 ,  易新志 ,  杨妮丹 ,  胡海波 ,  蔡斌

IPC: G06F18/241 ,  G06Q40/02 ,  G06N3/042 ,  G06N3/098 ,  G06N3/0895 ,  G06N3/092

Abstract: 本发明提供了一种基于联邦半监督图学习的银行客户分类方法及系统，该方法为：执行多轮全局学习直到全局客户分类模型收敛，每轮全局学习包括：向训练银行端下发加噪后的本轮全局伪标签矩阵和本轮全局模型参数；训练银行端基于本轮全局伪标签矩阵对本地客户数据图进行强化处理，对本地客户分类模型进行本地迭代训练，上传加噪后的本地模型参数和本地客户节点嵌入；中心服务器获得更新的全局模型参数和全局客户节点嵌入；银行端利用更新的全局模型参数生成银行端客户分类模型，将本地客户数据图输入银行端客户分类模型获得银行端预测标签矩阵，本发明提升了隐私安全，以及本地客户分类模型和全局客户分类模型的分类准确性。