[發明專利]模型參數確定方法、裝置、設備及存儲介質

在審

• 申請號: 202011255673.3
• 申請日: 2020-11-11
• 公開（公告）號: CN112365007A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 黃安埠
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06N20/20
• 分類號: G06N20/20
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 吳梅錫;臧建明

1.一種模型參數確定方法，其特征在于，包括：

獲取多個客戶終端分別發送的模型參數；其中，每一客戶終端發送的模型參數為所述客戶終端根據本地訓練樣本對全局模型進行訓練后得到的模型參數；

對于獲取到的每一客戶終端的模型參數，通過測試數據集確定所述模型參數對應的準確率；

根據每一客戶終端的模型參數對應的準確率，確定所述客戶終端的模型權重，其中，所述模型權重與所述準確率為負相關關系；

根據各個客戶終端的模型權重，對所述多個客戶終端的模型參數進行聚合，得到更新后的全局模型參數。

2.根據權利要求1所述的方法，其特征在于，根據每一客戶終端的模型參數對應的準確率，確定所述客戶終端的模型權重，包括：

獲取各個客戶終端的樣本數量占比；其中，每一客戶終端對應的樣本數量占比為所述客戶終端的本地訓練樣本的數量與所述多個客戶終端的本地訓練樣本的總數量的比值；

對于每一客戶終端，根據所述客戶終端對應的樣本數量占比以及所述客戶終端的模型參數對應的準確率，確定所述客戶終端的模型權重；

其中，所述樣本數量占比與所述模型權重為正相關關系。

3.根據權利要求2所述的方法，其特征在于，根據所述客戶終端對應的樣本數量占比以及所述客戶終端的模型參數對應的準確率，確定所述客戶終端的模型權重，包括：

將所述客戶終端的模型參數對應的準確率與修正數值相加，得到相加結果；

將所述客戶終端對應的樣本數量占比與所述相加結果相除，得到所述客戶終端的模型權重。

4.根據權利要求3所述的方法，其特征在于，還包括：

根據各個客戶終端的模型參數對應的準確率，確定其中最低的準確率；

根據所述最低的準確率，確定所述修正數值。

5.根據權利要求1-4任一項所述的方法，其特征在于，在通過測試數據集確定所述模型參數的準確率之前，還包括：

確定每一客戶終端的本地訓練樣本的數量；

根據各個客戶終端的本地訓練樣本的數量，計算從每一客戶終端抽取的訓練樣本的數量；其中，各個客戶終端的抽取比例相同，所述抽取比例為從客戶終端抽取的訓練樣本的數量與所述客戶終端的本地訓練樣本的數量的比值；

根據計算結果，從各個客戶終端抽取相應數量的訓練樣本，組成所述測試數據集。

6.根據權利要求5所述的方法，其特征在于，對于獲取到的每一客戶終端的模型參數，通過測試數據集確定所述模型參數對應的準確率，包括：

針對每一客戶終端執行如下操作：

獲取所述客戶終端通過對應的模型參數對本地訓練樣本進行測試后得到的第一準確率；

確定所述測試數據集中除所述客戶終端對應的訓練樣本以外的其它訓練樣本；

通過所述客戶終端對應的模型參數對所述其它訓練樣本進行測試，得到所述模型參數對應的第二準確率；

對所述第一準確率和所述第二準確率進行融合處理，得到所述模型參數對應的準確率。

7.根據權利要求1-4任一項所述的方法，其特征在于，根據各個客戶終端的模型權重，對所述多個客戶終端的模型參數進行聚合，得到更新后的全局模型參數，包括：

根據各個客戶終端的模型權重，對所述多個客戶終端的模型參數進行加權求和，得到更新后的全局模型參數；

所述方法還包括：

判斷所述更新后的全局模型是否收斂；

若所述全局模型處于收斂狀態，則將所述全局模型確定為模型訓練的最終結果；

若所述全局模型處于未收斂狀態，則將所述全局模型的模型參數分別下發所述多個客戶終端，以使所述多個客戶終端分別根據更新后的全局模型繼續迭代訓練以返回模型參數，直至所述全局模型收斂。