针对用户生成模型的方法、装置和计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113112312A(43)申请公布日2021.07.13(21)申请号202110522026.2(22)申请日2021.05.13(71)申请人支付宝(杭州)信息技术有限公司地址310023浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人杨哲杨一鹏(74)专利代理机构上海专利商标事务所有限公司31100代理人钱孟清段登新(51)Int.Cl.G06Q30/02(2012.01)G06Q10/06(2012.01)G06F21/62(2013.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书13页附图10页(54)发明名称针对用户生成模型的方法、装置和计算机可读存储介质(57)摘要公开了一种用于针对用户生成模型的方法，包括：在服务器处获取多个用户的多个第一数据集；基于所述多个第一数据集，在所述服务器处利用元学习算法为所述多个用户生成共享模型；由所述服务器将所述共享模型传送至用户的客户端；在该用户的客户端处获取该用户的对应第二数据集；以及基于该用户的对应第二数据集，在该用户的客户端处对共享模型进行自适应训练以生成该用户的私有模型。本申请还涉及其它方法、装置和计算机可读存储设备。本申请的方法能够在保护隐私的情况下更准确地建立用户的私有模型。CN113112312ACN113112312A权利要求书1/2页1.一种用于针对用户生成模型的方法，包括：在服务器处获取多个用户的多个第一数据集；基于所述多个第一数据集，在所述服务器处利用元学习算法为所述多个用户生成共享模型；由所述服务器将所述共享模型传送至用户的客户端；在该用户的客户端处获取该用户的对应第二数据集；以及基于该用户的对应第二数据集，在该用户的客户端处对共享模型进行自适应训练以生成该用户的私有模型。2.如权利要求1所述的方法，还包括：基于每一用户的对应第一数据集，使用所述共享模型生成该用户的云模型分；以及将该用户的云模型分传送至该用户的用户客户端，其中所述自适应训练进一步基于所述云模型分。3.如权利要求1所述的方法，其中所述第一数据集不包括用户的敏感数据，所述第二数据集包括所述多个用户的敏感数据。4.如权利要求1所述的方法，其中用户的对应第一数据集包括该用户的经模糊化的信息，且该用户的对应第二数据集包括该用户的未经模糊化的信息。5.如权利要求1所述的方法，其中所述元学习算法包括步长超参α，其中每个用户的步长超参α至少部分基于该用户的数据量。6.如权利要求5所述的方法，其中每个用户的步长超参α与该用户的数据量负相关。7.如权利要求1所述的方法，其中所述元学习算法的损失函数为：其中α为步长，Θ为共享模型的参数，而Θ’为每个用户的私有模型的参数，T为用户数。8.如权利要求1所述的方法，其中基于每个用户的私有模型为用户生成推荐或对用户执行预测。9.一种在客户端处执行的用于针对用户生成模型的方法，包括：接收来自服务器的共享模型，所述共享模型是基于多个第一数据集在所述服务器处利用元学习算法生成的；获取该用户的第二数据集；以及基于该用户的对应第二数据集，在该用户的客户端处对共享模型进行自适应训练以生成该用户的私有模型。10.如权利要求9所述的方法，还包括：接收来自服务器的针对该用户的云模型分，该云模型分是基于该用户在服务器处的第一数据集利用所述共享模型生成的，其中所述自适应训练进一步基于所述云模型分。11.一种在服务器处执行的用于针对用户生成模型的方法，包括：在服务器处获取多个用户的多个第一数据集；2CN113112312A权利要求书2/2页基于所述多个第一数据集，利用元学习算法为所述多个用户生成共享模型；以及将所述共享模型传送至用户的客户端，其中所述共享模型用作自适应训练以生成该用户的私有模型的基础。12.如权利要求11所述的方法，还包括：基于每一用户的对应第一数据集，使用所述共享模型生成该用户的云模型分；以及将该用户的云模型分传送至该用户的用户客户端，其中所述自适应训练进一步基于所述云模型分。13.如权利要求11所述的方法，其中所述第一数据集不包括用户的敏感数据，或者包括该用户的经模糊化的信息。14.如权利要求11所述的方法，其中所述元学习算法包括步长超参α，其中每个用户的步长超参α至少部分基于该用户的数据量。15.如权利要求14所述的方法，其中每个用户的步长超参α与该用户的数据量负相关。16.一种用于针对用户生成模型的方法，包括：在第一服务器处获取多个用户的多个第一数据集；基于所述多个第一数据集，在所述第一服务器处利用元学习算法为所述多个用户生成共享模型；由所述第一服务器将所述共享模型传送至第二服务器；在所述第二服务器处获取所述多个用户中的一个或