联合建模方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114997409A(43)申请公布日2022.09.02(21)申请号202210458703.3G06F21/62(2013.01)(22)申请日2022.04.27(71)申请人深圳萨摩耶数字科技有限公司地址518048广东省深圳市福田区梅林街道梅都社区中康路136号深圳新一代产业园5栋1501(72)发明人林建明宋文甫杜亚威(74)专利代理机构深圳智汇远见知识产权代理有限公司44481专利代理师聂磊(51)Int.Cl.G06N20/00(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)G06F21/60(2013.01)权利要求书2页说明书13页附图4页(54)发明名称联合建模方法、装置、电子设备及存储介质(57)摘要本发明实施例涉及一种联合建模方法、装置、电子设备及存储介质，所述方法包括：根据主导方的第一原始数据集和各参与方的第二原始数据集确定联邦学习样本集，所述联邦学习样本集至少包括所述第一原始数据集、各所述第二原始数据集中的部分数据；利用所述联邦学习样本集对初始模型进行迭代训练，得到目标联合模型。由此，可以实现在多方联合场景下构建出高性能的联合模型，在更为广泛的场景下实现对大数据的利用。CN114997409ACN114997409A权利要求书1/2页1.一种联合建模方法，其特征在于，包括：根据主导方的第一原始数据集和各参与方的第二原始数据集确定联邦学习样本集，所述联邦学习样本集至少包括所述第一原始数据集、各所述第二原始数据集中的部分数据；利用所述联邦学习样本集对初始模型进行迭代训练，得到目标联合模型。2.根据权利要求1所述的方法，其特征在于，所述根据主导方的第一原始数据集和各参与方的第二原始数据集确定联邦学习样本集，包括：针对每一所述参与方，得到所述参与方与所述第一原始数据集对应的目标数据集，所述目标数据集是由所述参与方根据所述第一原始数据集和所述参与方的第二原始数据集确定的；将所述第一原始数据集和各所述参与方与所述第一原始数据集对应的目标数据集，确定为联邦学习样本集。3.根据权利要求2所述的方法，其特征在于，所述得到所述参与方与所述第一原始数据集对应的目标数据集，包括：确定所述第一原始数据集的第一标签集；将所述第一标签集发送给参与方，以使所述参与方针对所述第一标签集中的每一标签，以所述标签为关键字查找所述参与方的第二原始数据集，得到包含所述标签的目标第二原始数据，将多个所述目标第二原始数据确定为所述参与方与所述第一原始数据集对应的目标数据集。4.根据权利要求1所述的方法，其特征在于，所述利用所述联邦学习样本集对初始模型进行迭代训练，得到目标联合模型，包括：利用所述联邦学习样本集中的所述第一原始数据集对初始模型进行训练，得到当前的联合模型；按照预设的组合方式将所述第一原始数据集和各所述第二原始数据集中的部分数据进行组合，得到多个子样本集；按照以下步骤进行迭代训练，直至满足预设的迭代停止条件：从所述多个子样本集中选择一个目标子样本集；利用所述目标子样本集对当前的联合模型进行训练；迭代结束后，将最后一次训练得到的联合模型确定为目标联合模型。5.根据权利要求4所述的方法，其特征在于，所述按照预设的组合方式将所述第一原始数据集和各所述第二原始数据集中的部分数据进行组合，得到多个子样本集，包括：依次将所述第一原始数据集和i个所述第二原始数据集中的部分数据进行组合，得到多个子样本集；所述i为小于或者等于S的自然数，所述S为所述参与方的数量。6.根据权利要求4所述的方法，其特征在于，所述迭代停止条件，包括：当前的联合模型的损失函数最小化；或者，迭代次数达到预设次数。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：对主导方的第一原始数据集和各参与方的第二原始数据集进行预处理，以使所述第一原始数据集和各所述第二原始数据集的数据格式保持一致；利用预处理后的主导方的第一原始数据集和各参与方的第二原始数据集执行所述根2CN114997409A权利要求书2/2页据主导方的第一原始数据集和各参与方的第二原始数据集确定联邦学习样本集的步骤。8.一种联合建模装置，其特征在于，包括：确定模块，用于根据主导方的第一原始数据集和各参与方的第二原始数据集确定联邦学习样本集，所述联邦学习样本集至少包括所述第一原始数据集、各所述第二原始数据集中的部分数据；训练模块，用于利用所述联邦学习样本集对初始模型进行迭代训练，得到目标联合模型。9.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的联合建模程序，以实现权利要求1～7中任一项所述的联合建模方法。10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序