(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 202211064738.5 (22)申请日 2022.09.01 (71)申请人 北京华隐熵策 数据科技有限公司 地址 100089 北京市海淀区中关村东路1号 院3号楼1 1层1108 (72)发明人 黄民　黄小刚　潘军　 (74)专利代理 机构 北京盛凡佳华专利代理事务 所(普通合伙) 11947 专利代理师 赵浩淼 (51)Int.Cl. G06Q 40/06(2012.01) G06Q 40/04(2012.01) G06Q 30/02(2012.01) G06K 9/62(2022.01) G06N 20/20(2019.01) (54)发明名称 一种基于联邦学习的基金休眠客户激活潜 力评估方法 (57)摘要 本发明提供一种基于联邦学习的基金休眠 客户激活潜力评估方法， 属于金融评估领域。 银 行自有数据库内的基金用户信息进行分选， 识别 出休眠客户， 并对休眠客户进行分选定级， 提高 激活精准度的评估系统； 所述基金休眠客户为基 金购买一个周期后， 延期一年对基金无操作的客 户； 所述休眠客户分级 方法基于客户购买基金类 型、 盈利率、 客户类型， 能够通过对基金进行多个 维度的学习建模、 同步对基金客户进行分析建 模， 将构建的分析能力图进行拟合形成分析， 对 客户进行分类， 形成激活评估。 权利要求书1页 说明书3页 附图2页 CN 115456790 A 2022.12.09 CN 115456790 A 1.一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特征在于： 对银行自有数 据库内的基金用户信息进 行分选， 识别出休眠客户， 并对休眠客户进 行分选定级， 提高激活 精准度的评估系统， 所述系统将 基金形成多维度的分析， 构建形成功能图， 同步将客户通过 多维进行分析形成客户功能图， 将 两组功能图拟合， 形成拟合进 行数据覆盖度的分析归类， 对客户可激活性进行评估。 2.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特 征在于： 所述基金休眠客户为基金购买一个周期后， 延 期一年对基金 无操作的客户。 3.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特 征在于： 所述休眠客户分级方法基于客户购买基金类型、 盈利率、 客户类型。 4.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特 征在于： 所述基金类型通过长期、 短期、 中期， 基金行业所属， 基金起购份额， 基金风险度四 个维度进行分类。 5.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特 征在于： 所述客户类型通过客户的在银行内闲置资金储额、 征信、 资金流水、 抗风险能力四 个维度进行分类， 形成四位能力图， 将客户类型、 基金类型对应重合， 通过重合率进行客户 等级确定 。 6.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特 征在于： 所述基金类型通过长期、 短期、 中期， 基金行业所属， 基金起购份额， 基金风险度分 布位于四个象限内， 银行内闲置资金储额、 征信、 资金流水、 抗风险能力同样位于四个象限 内， 且和基金类型四项逐一对应。 7.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特 征在于： 评估系统采用联邦学习方法进行模型构建， 所述联邦学习用于训练的目标模型确 定特征配置前， 所述联邦学习的成员对象按照所述联邦学习的数据仓库 的数据结构化配 置， 对本地的私有 数据进行预处理； 以及所述联邦学习的成员对象基于多方安全计算协 议， 将预处理后的私有数据发送至所述集中计算平台， 以由所述集中计算平台上传至所述数据 仓库。 8.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法， 其特 征在于： 所述联邦学习中包括集中计算平台和多个成员对 象， 所述集中计算平台配置有所 述联邦学习系统的数据仓库； 其中： 在联邦学习用于训练的目标模型确定特征配置前， 所述 联邦学习的成员对象按照所述数据仓库 的数据结构化配置， 对本地的私有数据进行预处 理。权　利　要　求　书 1/1 页 2 CN 115456790 A 2一种基于联邦学习的基金 休眠客户激活潜力评估方 法 技术领域 [0001]本发明提供一种基于联邦学习的基金休眠客户激 活潜力评估方法， 属于金融评估 领域。 背景技术 [0002]联邦学习又称 联邦机械学习， 是一种多机构遵守用户隐私保护和政府法规的要求 下， 进行联合建模的机器学习框架， 作为联邦学习成员对 象的机构 需要按照多方安全计算 协议将自身私有 数据作为模型训练样本发送至联邦学习的集中计算平台， 由集中计算平台 完成模型训练， 在多方安全计算协 议下， 私有数据经加密后实现隐私保护， 并依然 具有明文 时的数学计算效力， 不会 对模型训练造成影响。 [0003]目前在基金行业， 大量的客户在进行基金购买后， 在基金周期完成后， 会进入休眠 状态， 即停止对基金账户的操作或者进一步的投资， 需要基金经理进 行逐一筛查， 并进行评 级， 并对客户进行激活， 逐一激活缺少标准， 增 加工作量， 且激活效率差， 成功率底。 发明内容 [0004]本发明一种基于联邦学习的基金休眠客户激活潜力评估方法， 提供的一种通过利 用加热形成热熔， 对铜箔胶带 上的胶膜进行切断的截断器。 结构 简单， 使用方便 。 [0005]本发明通过对银行自有数据库内的基金用户信息进行分选， 识别出休眠客户， 并 对休眠客户进行分选 定级， 提高激活精准度的评估系统； [0006]所述基金休眠客户为基金购买一个周期后， 延 期一年对基金 无操作的客户； [0007]所述休眠客户分级方法基于客户购买基金类型、 盈利率、 客户类型； [0008]所述基金类型通过长期、 短期、 中期， 基金行业所属， 基金起购 份额， 基金风险度四 个维度进行分类； [0009]所述客户类型通过客户的在银行内闲置资金储额、 征信、 资金流水、 抗风险能力四 个维度进行分类， 形成四位能力图， 将客户类型、 基金类型对应重合， 通过重合率进行客户 等级确定； [0010]所述基金类型通过长期、 短期、 中期， 基金行业所属， 基金起购 份额， 基金风险度分 布位于四个象限内， 银行内闲置资金储额、 征信、 资金流水、 抗风险能力同样位于四个象限 内， 且和基金类型四项逐一对应； [0011]本发明中通过系统的联邦学习进行模型构建组合， 所述联邦学习用于训练的目标 模型确定特征配置前， 所述联邦学习的成员对象按照所述联邦学习的数据仓库的数据结构 化配置， 对本地的私有数据进行预处理； 以及所述联邦学习的成员对 象基于多方安全计算 协议， 将预处理后的私有数据发送至所述集中计算平台， 以由所述集中计算平台上传至所 述数据仓库； [0012]在所述目标模型确定特征配置后， 所述集中计算平台根据所述目标模型的特征配 置， 对所述数据仓库记录的私有数据进行特征提取， 得到适用于训练所述 目标模型 的特征说　明　书 1/3 页 3 CN 115456790 A 3