申请/专利权人：创新先进技术有限公司

申请日：2019-07-04

公开（公告）日：2021-01-05

公开（公告）号：CN112183757A

主分类号：G06N20/00(20190101)

分类号：G06N20/00(20190101)

优先权：

专利状态码：有效-授权

法律状态：2023.10.27#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本公开提供用于训练线性逻辑回归模型的方法和装置，在该方法中，对特征样本集进行垂直‑水平切分转换，以得到各个训练参与方的转换特征样本子集。基于各个训练参与方的当前转换子模型和转换特征样本子集获得当前预测值。在第一训练参与方处，确定预测差值和第一模型更新量，对第一模型更新量进行分解并将第一部分模型更新量发送给第二训练参与方。在第二训练参与方处，基于预测差值和对应的转换特征样本子集得到第二模型更新量并进行分解，将第二部分模型更新量发送给第一训练参与方。在各个训练参与方处，基于各自的部分模型更新量来更新各自的转换子模型。在满足循环结束条件时，基于各个训练参与方的转换子模型确定各自的子模型。

主权项：1.一种用于经由第一和第二训练参与方来协同训练线性逻辑回归模型的方法，每个训练参与方具有所述线性逻辑回归模型的一个子模型，第一训练参与方具有第一特征样本子集和标记值，第二训练参与方具有第二特征样本子集，第一和第二特征样本子集是通过对特征样本集进行垂直切分而获得的，所述方法由第一训练参与方执行，所述方法包括：对各个训练参与方的子模型进行模型转换处理，以得到各个训练参与方的转换子模型；执行下述循环过程，直到满足循环结束条件：对所述特征样本集进行垂直-水平切分转换，以得到各个训练参与方处的转换特征样本子集；基于各个训练参与方的当前转换子模型和转换特征样本子集，使用秘密共享矩阵乘法来获得针对所述特征样本集的当前预测值；确定所述当前预测值与对应的标记值之间的预测差值；使用所述预测差值和所述第一训练参与方处的转换特征样本子集确定第一模型更新量；将所述第一模型更新量分解为两个第一部分模型更新量，并将一个第一部分模型更新量发送给所述第二训练参与方；以及从所述第二训练参与方接收一个第二部分模型更新量，所述第二部分模型更新量是在所述第二训练参与方处对第二模型更新量进行分解而得到的，所述第二模型更新量是对所述预测差值和所述第二训练参与方处的转换特征样本子集执行秘密共享矩阵乘法而得到的；基于剩余的第一部分模型更新量和所接收的第二部分模型更新量来更新所述第一训练参与方处的当前转换子模型，其中，在循环过程未结束时，更新后的各个训练参与方的转换子模型被用作下一循环过程的当前转换子模型；在满足所述循环结束条件时，基于所述第一训练参与方和所述第二训练参与方的转换子模型，确定所述第一训练参与方的子模型。

全文数据：

权利要求：

百度查询： 创新先进技术有限公司 模型训练方法、装置及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD