(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 202211202087.1 (22)申请日 2022.09.29 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 邵雨晴　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 李兴福　刘芳 (51)Int.Cl. G06F 9/451(2018.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 应用程序 页面动态展示系统 (57)摘要 本申请提供了一种应用程序页面动态展示 系统， 涉及互联网技术领域， 所述系统包括全局 服务器、 多个区域服务器以及多个客户端； 客户 端采集用户数据， 并利用采集的用户数据在客户 端进行第一次模型训练之后上传训练结果到区 域服务器， 区域服务端结合多个客户端的训练结 果， 利用横向联邦学习技术进行第二次模型训练 之后上传训练结果到全局服务器， 全局服务端结 合多个区域服务器的训练结果， 利用横向联邦学 习技术进行第三次模型训练之后推送模型更新 参数至各个客户端， 由此可以使各个客户端利用 更新之后的神经网络模型， 预测出客户端中的各 项功能的点击概率， 并根据客户端中各项功能的 点击概率， 调整客户端中的各项功能的展示顺 序， 提升用户使用体验。 权利要求书2页 说明书8页 附图3页 CN 115454557 A 2022.12.09 CN 115454557 A 1.一种应用程序页面动态展示系统， 其特征在于， 所述系统包括全局服务器、 多个区域 服务器以及多个客户端， 各个所述区域服务器分别位于不同的区域， 各个所述客户端与其 当前所在区域内的所述区域服务器通信连接， 各个所述区域服务器均与所述全局服务器通 信连接； 所述客户端用于收集用户数据， 并基于所述用户数据对所述客户端中的神经网络模型 进行训练后， 将第一训练结果上传至与所述 客户端通信连接的所述区域 服务器； 所述区域服务器用于基于所述区域服务器所在区域内的多个所述客户端上传的所述 第一训练结果， 对所述区域服务器中的所述神经网络模型进行训练后， 将第二训练结果上 传至所述全局服 务器； 所述全局服务器用于基于多个所述 区域服务器上传的所述第 二训练结果， 对所述全局 服务器中的所述神经网络模型进行训练， 生成模型更新参数， 并向各个所述区域服务器发 送所述模型 更新参数； 所述区域服务器还用于根据所述模型更新参数更新所述区域服务器中的所述神经网 络模型， 以及向各个所述 客户端发送所述模型 更新参数； 所述客户端还用于根据 所述模型更新参数更新所述客户端中的所述神经网络模型， 并 利用所述客户端中更新后的神经网络模型， 预测所述客户端中的各项功能的点击概率， 并 根据所述各项功能的点击概 率， 调整所述各项功能的展示 顺序。 2.根据权利要求1所述的系统， 其特征在于， 所述全局服务器还用于建立所述神经网络 模型， 并向各个所述区域 服务器发送所述神经网络模型； 所述区域服务器还用于在接收到所述全局服务器发送的所述神经网络模型后， 向各个 所述客户端发送所述神经网络模型。 3.根据权利要求2所述的系统， 其特征在于， 所述全局服务器还用于在建立所述神经网 络模型之前， 确定所述神经网络模型对应的特征向量； 其中， 所述特征向量至少包括以下信 息中的至少一项： 用户注册信息、 终端信息、 所述客户端中的各项功能的特征信息及人工标 注信息。 4.根据权利要求1所述的系统， 其特 征在于， 所述 客户端具体用于： 在检测到用户登陆所述客户端后， 收集所述用户数据； 所述用户数据包括用户对所述 客户端中的各项功能的操作数据。 5.根据权利要求 4所述的系统， 其特 征在于， 所述 客户端具体还用于： 根据所述用户数据， 确定所述神经网络模型的输入向量； 其中， 所述神经网络模型的输 出向量为所述客户端中的各项功能的点击概 率。 6.根据权利要求 4所述的系统， 其特 征在于， 所述 客户端具体用于： 在收集到第一批次大小的所述用户数据后， 基于所述第一批次大小的所述用户数据， 对所述客户端中的神经网络模型进行训练， 并将训练得到的第一训练结果上传至与所述客 户端通信连接的所述区域 服务器。 7.根据权利要求6所述的系统， 其特 征在于， 所述区域 服务器具体用于： 在从所述区域服务器所在区域内的多个所述客户端收集到第二批次大小的所述用户 数据后， 基于横向联邦学习技术， 利用所述第二批次大小的所述用户数据， 以及所述区域服 务器所在区域内的多个所述客户端上传的所述第一训练结果， 对所述区域服务器中的所述权　利　要　求　书 1/2 页 2 CN 115454557 A 2神经网络模型进行训练， 并将训练得到的第二训练结果上传至所述全局服务器； 其中， 所述 第二批次大小大于所述第一批次大小。 8.根据权利要求7 所述的系统， 其特 征在于， 所述全局服 务器具体用于： 在从多个所述区域服务器所在区域内的多个所述客户端收集到第三批次大小的所述 用户数据后， 基于横向联邦学习技术， 利用所述第三批次大小的所述用户数据， 以及 多个所 述区域服务器上传的所述第二训练结果， 对所述全局服务器中的所述神经网络模型进 行训 练， 得到所述模型 更新参数； 其中， 所述第三批次大小大于所述第二批次大小。 9.根据权利要求8所述的系统， 其特征在于， 所述第 一训练结果与所述第 二训练结果中 均包括加密后的梯度信息 。 10.根据权利要求1所述的系统， 其特 征在于， 所述 客户端还用于： 确定所述客户端中的所述神经网络模型的更新 次数是否等于预设的更新 次数阈值， 或 者确定所述 客户端中的所述神经网络模型的精度是否等于预设的精度阈值； 当所述神经网络模型的更新 次数等于所述更新 次数阈值， 或者所述神经网络模型的精 度等于所述精度阈值时， 利用所述客户端中更新后的神经网络模型， 预测所述客户端中的 各项功能的点击概 率。权　利　要　求　书 2/2 页 3 CN 115454557 A 3