(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 202210810508.2 (22)申请日 2022.07.11 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 鲁转丽　周洪菊　赵培　李亚敬　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 周春枚 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/02(2012.01) G06N 20/20(2019.01) (54)发明名称 活动投放信息的预测方法、 装置及电子设备 (57)摘要 本发明公开了一种活动投放信息的预测方 法、 装置及电子设备， 涉及大数据技术领域。 该方 法包括： 获取目标对象的历史交易信息； 基于目 标预测模型对历史交易信息进行预测， 得到目标 对象所对应的交易偏好信息， 交易偏好信息至少 包括目标位置特征及目标交易特征， 目标预测模 型是基于聚合参数对位置权重参数及交易权重 参数进行迭代所得到的， 聚合参数是服务器对第 一预测模型的模型参数及第二预测模型的模型 参数进行聚合得到的， 第一预测模 型和第二预测 模型为在不同的服务平台中训练得到的模型； 基 于交易偏好信息预测目标交易活动所对应的投 放信息。 本发 明解决了 现有技术的预测模型对交 易活动所对应的投放信息进行预测时， 存在预测 不准确的技 术问题。 权利要求书2页 说明书12页 附图4页 CN 115049440 A 2022.09.13 CN 115049440 A 1.一种活动投放信息的预测方法， 其特 征在于， 包括： 获取目标对象的历史 交易信息； 基于目标预测模型对所述历史交易信 息进行预测， 得到所述目标对象所对应的交易偏 好信息， 其中， 所述交易偏好信息至少包括目标位置特征以及目标 交易特征， 所述目标预测 模型是基于聚合参数对位置权重参数以及交易权重参数进 行迭代所得到的， 所述位置权重 参数及所述交易权重参数为对第一预测模型进行训练的参数， 所述聚合参数是服务器对所 述第一预测模型的模型参数以及第二预测模型的模型参数进 行聚合得到的， 所述第一预测 模型为在交易服务平台上训练得到的模型， 所述第二预测模型为在位置服务平台中训练得 到的模型； 基于所述交易偏好信息预测目标交易活动所对应的投放信息 。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 发送所述第 一预测模型的第 一模型参数至所述服务器， 以使所述服务器对所述第 一模 型参数和 第二模型参数进 行聚合， 得到所述聚合参数， 其中， 所述第二模型参数为在所述位 置服务平台中训练的第二预测模型的模型参数， 所述位置服务平台用于提供至少一个对象 的位置信息； 获取所述服务器返回的聚合参数， 并基于所述聚合参数对所述位置权重参数以及所述 交易权重参数进行迭代， 得到位置特征信息以及交易特征信息， 其中， 所述位置权重参数及 所述交易权 重参数为对所述第一预测模型进行训练的参数； 基于所述位置特征信 息以及所述交易特征信 息对所述第 一预测模型进行训练， 得到所 述目标预测模型。 3.根据权利要求2所述的方法， 其特征在于， 在发送第 一预测模型的第 一模型参数至所 述服务器之前， 所述方法还 包括： 获取所述服务器发送的加密公钥； 基于所述加密公钥对所述第一模型参数进行加密， 得到加密后的第一模型参数。 4.根据权利要求2所述的方法， 其特征在于， 基于所述聚合参数对所述位置权重参数以 及所述交易权 重参数进行迭代， 得到位置特 征信息以及交易特 征信息， 包括： 基于所述 聚合参数对所述位置权重参数以及所述交易权重参数进行迭代， 得到迭代结 果； 基于所述迭代结果确定所述第一预测模型的损失函数的损失值； 在所述损失值表征所述损失函数收敛的情况下， 获取所述损失函数收敛时的目标位置 权重参数及目标交易权 重参数； 基于所述目标位置权重参数及所述目标交易权重参数确定所述位置特征信息以及所 述交易特 征信息。 5.根据权利要求1至4中任意一项所述的方法， 其特征在于， 所述第一预测模型的模型 结构与所述第二预测模型的模型 结构相同。 6.根据权利要求1所述的方法， 其特征在于， 基于所述交易偏好信 息预测目标交易活动 所对应的投放信息， 包括： 基于所述目标预测模型对所述历史交易信 息进行预测， 得到所述目标对象所对应的交 易预测信息， 其中， 所述交易预测信息 至少包括交易时间及交易类型；权　利　要　求　书 1/2 页 2 CN 115049440 A 2根据所述交易预测信息向所述目标对象推送对应的目标优惠券， 其中， 所述目标优惠 券的类型与所述交易类型相对应， 所述目标优惠券的有效时间范围至少大于所述目标 交易 活动的投放时间。 7.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取多个所述目标对象的历史 交易信息； 基于所述目标预测模型对所述历史交易信 息进行预测， 得到多个所述目标对象所对应 的交易预测信息， 其中， 所述交易预测信息 至少包括交易时间及交易类型； 基于所述交易预测信息对多个所述目标对象进行聚类处 理， 得到聚类结果； 根据所述聚类结果确定所述目标交易活动的开展信息， 其中， 所述开展信息至少包括 如下之一： 所述目标交易活动的开展位置、 所述目标 交易活动的开展时间、 所述目标 交易活 动的开展次数。 8.一种活动投放信息的预测装置， 其特 征在于， 包括： 获取模块， 用于获取目标对象的历史 交易信息； 第一预测模块， 用于基于目标预测模型对所述历史交易信息进行预测， 得到所述目标 对象所对应的交易偏好信息， 其中， 所述交易偏好信息至少包括 目标位置特征以及目标交 易特征， 所述目标预测模型是基于聚合参数对位置权重参数以及交易权重参数进 行迭代所 得到的， 所述位置权重参数及所述交易权重参数为对第一预测模型进行训练的参数， 所述 聚合参数是服务器对所述第一预测模型的模型参数以及第二预测模型的模型参数进行聚 合得到的， 所述第一预测模型为在交易服务平台上训练得到的模型， 所述第二预测模型为 在位置服 务平台中训练得到的模型； 第二预测模块， 用于基于所述交易偏好信息预测目标交易活动所对应的投放信息 。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序， 其中， 所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的活动 投放信息的预测方法。 10.一种电子设备， 其特征在于， 电子设备包括一个或多个处理器； 存储器， 用于存储一 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 多个处理器实现用于运行程序， 其中， 所述程序被设置为运行时执行所述权利要求1至7任 一项中所述的活动投放信息的预测方法。 11.一种计算机程序产品， 包括计算机程序/指令， 其特征在于， 所述计算机程序/指令 被处理器执行时实现权利要求1至7中任一项所述的活动投放信息的预测方法。权　利　要　求　书 2/2 页 3 CN 115049440 A 3