申请/专利权人:平安科技(深圳)有限公司
申请日:2020-10-29
公开(公告)日:2024-04-02
公开(公告)号:CN112288097B
主分类号:G06N20/00
分类号:G06N20/00;G06F16/27;G06F21/60;G06F21/62
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2021.11.05#实质审查的生效;2021.01.29#公开
摘要:本发明公开了联邦学习数据处理方法,包括控制多个终端通过本地数据和模型参数分别执行联邦学习训练得到多个梯度值,梯度值的单位为第一数据量单位;对多个梯度值进行三值量化梯度计算得到多个三值梯度,三值梯度的单位为小于第一数据量单位的第二数据量单位;控制中心端随机接收多个终端的三值梯度;融合多个终端的三值梯度更新模型参数;多个终端基于接收到的更新后的模型参数得到产品推荐模型,并基于产品推荐模型处理本地用户数据,得到目标产品推荐数据。本发明通过在不同的终端设备进行梯度同步时,对梯度采用三值量化,减少需要传输的梯度大小,减少梯度传输的耗时,在更好的保护用户隐私的前提下快速实现模型的训练数据处理。
主权项:1.一种联邦学习数据处理方法,其特征在于,所述方法包括:控制多个终端通过本地数据和模型参数分别执行联邦学习训练以得到多个梯度值,所述梯度值的单位为第一数据量单位;对所述多个梯度值进行三值量化梯度计算以得到多个三值梯度,所述三值梯度的单位为第二数据量单位,所述第二数据量单位小于所述第一数据量单位;控制中心端随机接收多个终端发送的对应的三值梯度;控制所述中心端融合所述多个终端对应的三值梯度以更新所述模型参数,并将更新后的所述模型参数传回所述多个终端;控制所述多个终端根据更新后的所述模型参数得到产品推荐模型,并将多个终端接收到的本地用户数据输入至产品推荐模型中处理以得到目标产品推荐数据,将所述目标产品推荐数据传回所述多个终端;所述本地数据为结构化数据,所述结构化数据包括文字或图片,所述控制多个终端通过本地数据和模型参数分别执行联邦学习训练以得到多个梯度值之前还包括:控制所述多个终端收集所述本地数据;向所述中心端请求初始模型参数。
全文数据:
权利要求:
百度查询: 平安科技(深圳)有限公司 联邦学习数据处理方法、装置、计算机设备及存储介质
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。