申请/专利权人:中国科学技术大学
申请日:2023-11-29
公开(公告)日:2024-03-08
公开(公告)号:CN117669692A
主分类号:G06N3/094
分类号:G06N3/094;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.26#实质审查的生效;2024.03.08#公开
摘要:本发明公开了一种公平用户建模方法、系统、设备及存储介质,它们是一一对应的方案,方案中:收集用户数据,并将用户划分为已知敏感属性数据的用户与未知敏感属性数据的用户;结合已知敏感属性数据的用户与未知敏感属性数据的用户的用户数据构建过滤器的损失函数;结合已知敏感属性数据的用户的用户数据构建判别器的损失函数,结合过滤器的损失函数与判别器的损失函数,通过对抗性学习交替优化过滤器与判别器,获得最终的过滤器;利用最终的过滤器过滤原始用户建模结果中的敏感属性,获得公平的用户建模结果。上述方案,充分利用缺失敏感属性的数据去训练过滤器,可以为用户进行准确公平的建模,公平的用户建模结果能够充分在下游任务中得到应用。
主权项:1.一种公平用户建模方法,其特征在于,包括:构建对抗性学习的框架,框架中包括过滤器与判别器;收集多个用户的用户数据,并根据用户数据将用户划分为已知敏感属性数据的用户与未知敏感属性数据的用户;结合已知敏感属性数据的用户与未知敏感属性数据的用户的用户数据构建过滤器的损失函数,损失函数的训练目标为使过滤器过滤敏感属性;结合已知敏感属性数据的用户的用户数据构建判别器的损失函数,损失函数的训练目标为判别过滤器是否去除敏感属性,结合过滤器的损失函数与判别器的损失函数,通过对抗性学习交替优化过滤器与判别器,获得最终的过滤器;使用任一用户建模模型结合给定用户的用户数据生成原始用户建模结果,再利用所述最终的过滤器过滤所述原始用户建模结果中的敏感属性,获得公平的用户建模结果。
全文数据:
权利要求:
百度查询: 中国科学技术大学 公平用户建模方法、系统、设备及存储介质
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。