申请/专利权人：浙江师范大学

申请日：2021-11-09

公开（公告）日：2024-04-02

公开（公告）号：CN114153982B

主分类号：G06F16/36

分类号：G06F16/36;G06Q50/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.03.25#实质审查的生效;2022.03.08#公开

摘要：本发明公开了一种联邦教育知识图谱补全方法、设备及介质，摒弃中央服务器，保护教育数据持有方隐私数据，采用全局关系学习和本地节点感知强化建立教育知识图谱。该方法包括：将满足要求的节点分为训练节点和对抗委员会节点；获取对应全局教育知识图谱补全模型第一权重；对本地教育知识图谱补全模型训练，得到本地教育知识图谱补全模型第二权重；将第二权重传递到对抗委员会节点；上传第二权重至区块链；当区块链上第二权重个数大于预设值，触发全局教育知识图谱补全模型权重聚合，更新全局教育知识图谱补全模型权重，得到全局教育知识图谱补全模型第三权重；当全局教育知识图谱补全模型第三权重变化值小于阈值，保存全局教育知识图谱补全模型。

主权项：1.一种联邦教育知识图谱补全方法，其特征在于，包括以下步骤：将全局教育知识图谱补全模型中满足预设要求的节点分为训练节点和对抗委员会节点；获取所述训练节点对应所述全局教育知识图谱补全模型中的第一权重；根据所述第一权重对本地教育知识图谱补全模型训练，更新所述本地教育知识图谱补全模型的权重，得到所述本地教育知识图谱补全模型的第二权重；将所述第二权重传递到所述对抗委员会节点；确定所述对抗委员会节点对所述第二权重验证通过，将所述第二权重上传至区块链上；确定所述区块链上的所述第二权重的个数大于预设值，触发所述全局教育知识图谱补全模型的权重聚合步骤，更新所述全局教育知识图谱补全模型的权重，得到所述全局教育知识图谱补全模型的第三权重；将所述第三权重上传至所述区块链；确定所述全局教育知识图谱补全模型的第三权重的变化值小于阈值，对所述全局教育知识图谱补全模型进行保存。

全文数据：

权利要求：

百度查询： 浙江师范大学 联邦教育知识图谱补全方法、设备及介质

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。

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