[發(fā)明專利]一種建模方法、裝置、電子設(shè)備和可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110374053.X
• 申請日: 2021-04-07
• 公開（公告）號: CN112862057A
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 陳忠;馮澤瑾;王虎;黃志翔;彭南博
• 申請（專利權(quán)）人: 京東數(shù)字科技控股股份有限公司
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N20/00
• 代理公司: 北京華夏泰和知識產(chǎn)權(quán)代理有限公司 11662
• 代理人: 李曼

本申請?zhí)峁┝艘环N建模方法、裝置、電子設(shè)備和可讀介質(zhì)，屬于模型構(gòu)建技術(shù)領(lǐng)域。方法包括：將初始化種群的信息和協(xié)同器發(fā)送的目標(biāo)標(biāo)識輸入生成器中，得到生成器輸出的當(dāng)前種群的信息；將當(dāng)前種群的信息和第二數(shù)據(jù)方提供的第二數(shù)據(jù)發(fā)送至協(xié)同器，得到協(xié)同器構(gòu)建的多個(gè)第一模型，并確定第一模型的樣本個(gè)體的適應(yīng)度值；在第一模型不滿足預(yù)設(shè)停止條件的情況下，根據(jù)適應(yīng)度值確定目標(biāo)個(gè)體的目標(biāo)標(biāo)識，其中，目標(biāo)個(gè)體為被選取的有效個(gè)體；將目標(biāo)標(biāo)識反饋至生成器，直至第一模型滿足預(yù)設(shè)停止條件，則停止反饋操作并將第一模型作為第二模型。本申請降低了模型構(gòu)建的復(fù)雜度。

技術(shù)領(lǐng)域

本申請涉及模型構(gòu)建技術(shù)領(lǐng)域，尤其涉及一種建模方法、裝置、電子設(shè)備和可讀介質(zhì)。

背景技術(shù)

隨著機(jī)器學(xué)習(xí)的發(fā)展，越來越多的機(jī)器學(xué)習(xí)技術(shù)被應(yīng)用于各行各業(yè)，數(shù)據(jù)的數(shù)量和質(zhì)量往往決定了機(jī)器學(xué)習(xí)模型效果的上限。但是隨著人們對于數(shù)據(jù)安全和隱私保護(hù)越來越重視，形成數(shù)據(jù)孤島現(xiàn)象，在這樣的場景下，聯(lián)邦學(xué)習(xí)應(yīng)運(yùn)而生，它可以讓參與方在不共享數(shù)據(jù)的基礎(chǔ)上聯(lián)合訓(xùn)練，解決數(shù)據(jù)孤島的難題。

在聯(lián)邦學(xué)習(xí)的模型構(gòu)建過程中，在節(jié)點(diǎn)分裂時(shí)，業(yè)務(wù)方和數(shù)據(jù)提供方需要同步樣本空間和最優(yōu)分裂特征等信息，即各參與方之間通信信息包含主鍵信息、特征編號、模型梯度信息等敏感內(nèi)容，為了提高數(shù)據(jù)安全性，需要對傳輸?shù)臄?shù)據(jù)進(jìn)行加密，這樣就提高了模型構(gòu)建的復(fù)雜度。

發(fā)明內(nèi)容

本申請實(shí)施例的目的在于提供一種建模方法、裝置、電子設(shè)備和可讀介質(zhì)，以解決模型構(gòu)建復(fù)雜度高的問題。具體技術(shù)方案如下：

第一方面，提供了一種建模方法，所述方法包括：

將初始化種群的信息和協(xié)同器發(fā)送的目標(biāo)標(biāo)識輸入生成器中，得到所述生成器輸出的當(dāng)前種群的信息，其中，所述當(dāng)前種群中包括多個(gè)樣本個(gè)體，每個(gè)所述樣本個(gè)體為包含第一數(shù)據(jù)方提供的第一數(shù)據(jù)的一個(gè)人工智能模型；

將所述當(dāng)前種群的信息和第二數(shù)據(jù)方提供的第二數(shù)據(jù)發(fā)送至所述協(xié)同器，得到所述協(xié)同器構(gòu)建的多個(gè)第一模型，并確定所述第一模型的樣本個(gè)體的適應(yīng)度值，所述適應(yīng)度值用于指示所述第一模型的樣本個(gè)體的有效概率；

在所述第一模型不滿足預(yù)設(shè)停止條件的情況下，根據(jù)所述適應(yīng)度值確定目標(biāo)個(gè)體的目標(biāo)標(biāo)識；

將所述目標(biāo)標(biāo)識反饋至所述生成器，直至所述第一模型滿足預(yù)設(shè)停止條件，則停止所述反饋操作并將得到的第一模型作為第二模型。

可選地，所述初始化種群中包括多個(gè)初始化個(gè)體，每個(gè)所述初始化個(gè)體具有對應(yīng)的標(biāo)識，所述得到所述生成器輸出的當(dāng)前種群的信息包括：

從所述多個(gè)初始化個(gè)體中選取出標(biāo)識為所述目標(biāo)標(biāo)識的有效個(gè)體；

將多個(gè)所述有效個(gè)體利用遺傳操作算子進(jìn)行處理；

將所述第一數(shù)據(jù)輸入進(jìn)行遺傳處理后的每個(gè)所述有效個(gè)體中，得到多個(gè)樣本個(gè)體，并利用所述多個(gè)樣本個(gè)體構(gòu)成所述當(dāng)前種群；

將所述當(dāng)前種群的信息從所述生成器中輸出。

可選地，所述得到所述協(xié)同器構(gòu)建的多個(gè)第一模型包括：將所述第二數(shù)據(jù)輸入每個(gè)所述樣本個(gè)體中，得到多個(gè)第一模型，其中，每個(gè)所述第一模型指示含有所述第一數(shù)據(jù)和所述第二數(shù)據(jù)的一個(gè)中間個(gè)體；

所述確定所述第一模型的樣本個(gè)體的適應(yīng)度值包括：確定所述中間個(gè)體的適應(yīng)度值。

可選地，所述目標(biāo)個(gè)體包括第一個(gè)體和第二個(gè)體，所述根據(jù)所述適應(yīng)度值確定目標(biāo)個(gè)體的目標(biāo)標(biāo)識包括：

采用遺傳算法確定所述多個(gè)中間個(gè)體中是否存在第一個(gè)體，其中，所述第一個(gè)體為具有有效概率大于預(yù)設(shè)概率閾值的個(gè)體，所述遺傳算法中運(yùn)用到所述適應(yīng)度值；

在確定所述多個(gè)中間個(gè)體中存在第一個(gè)體的情況下，確定所述第一個(gè)體的標(biāo)識為所述目標(biāo)標(biāo)識；