(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 202210830002.8 (22)申请日 2022.06.21 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 王天祺　刘昊骋　徐世界　徐靖宇　 (74)专利代理 机构 北京英赛 嘉华知识产权代理 有限责任公司 1 1204 专利代理师 王达佐　马晓亚 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 营销响应模 型的训练方法、 装置及计算机程 序产品 (57)摘要 本公开提供了一种营销响应模型的训练方 法、 装置、 电子设备、 存储介质及计算机程序产 品， 涉及人工智 能技术领域， 具体涉及联邦学习 技术， 可用于营销响应预测场景下。 具体实现方 案为： 从多个数据提供方各自的目标存储器提供 的训练数据中确定出相同用户对象对应的目标 训练数据； 使用第一目标处理器， 从目标训练数 据中筛选出符合预设筛选条件的筛选后训练数 据； 使用第二目标处理器， 采用联邦学习方式， 基 于筛选后训练数据训练得到营销响应模型， 其 中， 营销响应模 型用于预测用户对于营销活动的 响应情况。 本公开在保证数据安全的前提下， 解 决了联邦学习平台无法输入大规模特征进行模 型训练的问题， 提高了所得到的营销响应模型的 准确度。 权利要求书2页 说明书11页 附图5页 CN 115099871 A 2022.09.23 CN 115099871 A 1.一种营销响应模型的训练方法， 包括： 从多个数据提供方各自的目标存储器提供的训练数据中确定出相同用户对象对应的 目标训练数据； 使用第一目标处理器， 从所述目标训练数据中筛选出符合预设筛选条件的筛选后训练 数据； 使用第二目标处理器， 采用联邦学习方式， 基于所述筛选后训练数据训练得到营销响 应模型， 其中， 所述营销响应模型用于预测用户对于营销活动的响应情况。 2.根据权利要求1所述的方法， 其中， 所述从所述目标训练数据中筛选出符合预设筛选 条件的筛 选后训练数据， 包括： 根据训练数据的特征覆盖率， 从所述目标训练数据中筛选出符合预设覆盖率条件的所 述筛选后训练数据。 3.根据权利要求1所述的方法， 其中， 所述从所述目标训练数据中筛选出符合预设筛选 条件的筛 选后训练数据， 包括： 根据训练数据的特征重要性， 从所述目标训练数据中筛选出符合预设重要性条件的所 述筛选后训练数据。 4.根据权利要求3所述的方法， 其中， 所述根据训练数据的特征重要性， 从所述目标训 练数据中筛 选出符合预设重要性条件的所述筛 选后训练数据， 包括： 通过预训练的树模型， 从所述目标训练数据中筛选出符合所述预设重要性条件的所述 筛选后训练数据。 5.根据权利要求3所述的方法， 其中， 所述根据训练数据的特征重要性， 从所述目标训 练数据中筛 选出符合预设重要性条件的所述筛 选后训练数据， 包括： 根据所述目标训练数据的方差膨胀系数和皮尔森相关系数， 从所述训练数据中筛选出 符合所述预设重要性条件的所述筛 选后训练数据。 6.根据权利要求1 ‑5中任一项所述的方法， 其中， 所述采用联邦学习方式， 基于所述筛 选后训练数据训练得到营销响应模型， 包括： 在基于所述筛选后训练数据的迭代训练过程中， 响应于确定所训练的营销响应模型未 达到预期预测效果， 基于所述筛选后训练数据对应的设备号所属的设备号类型进 行拆分建 模， 得到各设备号类型对应的拆分营销响应模型； 采用联邦学习方式， 基于所述筛选后训练数据中各设备号类型对应的训练数据， 训练 各拆分营销响应模型， 得到各设备号类型对应的营销响应模型。 7.一种营销响应预测方法， 包括： 获取营销活动信息； 通过训练后的营销响应模型确定用户对于所述营销活动信息的响应情况， 其中， 所述 训练后的营销响应模型通过权利要求1 ‑6中任一项训练得到 。 8.一种营销响应模型的训练装置， 包括： 确定单元， 被配置成从多个数据提供方各自的目标存储器提供的训练数据中确定出相 同用户对象对应的目标训练数据； 筛选单元， 被配置成使用第一目标处理器， 从所述目标训练数据中筛选出符合预设筛 选条件的筛 选后训练数据；权　利　要　求　书 1/2 页 2 CN 115099871 A 2训练单元， 被配置成使用第 二目标处理器， 采用联邦学习方式， 基于所述筛选后训练数 据训练得到营销 响应模型， 其中， 所述营销 响应模型用于预测用户对于营销活动的响应情 况。 9.根据权利要求8所述的装置， 其中， 所述筛 选单元， 进一步被配置成： 根据训练数据的特征覆盖率， 从所述目标训练数据中筛选出符合预设覆盖率条件的所 述筛选后训练数据。 10.根据权利要求8所述的装置， 其中， 所述筛 选单元， 进一步被配置成： 根据训练数据的特征重要性， 从所述目标训练数据中筛选出符合预设重要性条件的所 述筛选后训练数据。 11.根据权利要求10所述的装置， 其中， 所述筛 选单元， 进一步被配置成： 通过预训练的树模型， 从所述目标训练数据中筛选出符合所述预设重要性条件的所述 筛选后训练数据。 12.根据权利要求10所述的装置， 其中， 所述筛 选单元， 进一步被配置成： 根据所述目标训练数据的方差膨胀系数和皮尔森相关系数， 从所述训练数据中筛选出 符合所述预设重要性条件的所述筛 选后训练数据。 13.根据权利要求8 ‑12中任一项所述的装置， 其中， 所述训练单 元， 进一步被配置成： 在基于所述筛选后训练数据的迭代训练过程中， 响应于确定所训练的营销响应模型未 达到预期预测效果， 基于所述筛选后训练数据对应的设备号所属的设备号类型进 行拆分建 模， 得到各设备号类型对应的拆分营销响应模型； 采用联邦学习方式， 基于所述筛选后训练 数据中各设备号类型对应的训练数据， 训练各拆分营销 响应模型， 得到各设备号类型对应 的营销响应模型。 14.一种营销响应预测装置， 包括： 获取单元， 被配置成获取 营销活动信息； 预测单元， 被配置成通过训练后的营销响应模型确定用户对于所述营销活动信 息的响 应情况， 其中， 所述训练后的营销响应模型通过权利要求8 ‑13中任一项训练得到 。 15.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑7中任一项所述的方法。 16.一种存储有计算机指令的非瞬时计算机可读存储介质， 其特征在于， 所述计算机指 令用于使所述计算机执 行权利要求1 ‑7中任一项所述的方法。 17.一种计算机程序产品， 包括： 计算机程序， 所述计算机程序在被处理器执行时实现 根据权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115099871 A 3