[發明專利]基于聯邦學習的圖神經網絡模型訓練方法以及裝置

在審

• 申請號: 202210164702.8
• 申請日: 2022-02-23
• 公開（公告）號: CN114580654A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 田鵬飛;孫偉
• 申請（專利權）人: 億景智聯（北京）科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/08;G06Q30/02
• 代理公司: 北京智丞瀚方知識產權代理有限公司 11810
• 代理人: 周學永

本申請提供一種基于聯邦學習的圖神經網絡模型訓練方法，包括：S1部署聯邦學習平臺，將各個訓練節點接入所述聯邦學習平臺；S2所述訓練節點根據預測目標分別更新訓練數據，并將所述訓練數據輸入到圖神經網絡模型訓練獲得模型參數；S3通過聯邦學習平臺獲得其他所述訓練節點的模型參數進行參數聚合，并更新所述圖神經網絡模型；S4重復步驟S2和S3，到所述圖神經網絡模型收斂，獲得預訓練的圖神經網絡模型。本申請通過聯邦學習平臺訓練圖神經網絡模型，可以涵蓋更多訓練數據，可有效的提高圖神經網絡模型準確度。本申請還提供一種基于聯邦學習的圖神經網絡模型訓練裝置。

技術領域

本申請請求保護一種AI技術，尤其涉及一種基于聯邦學習的圖神經網絡模型訓練方法。本申請還涉及一種基于聯邦學習的圖神經網絡模型訓練裝置。

背景技術

聯邦學習是一種基于多數據源共同對模型訓練，并將訓練的模型用于數據分析的方法，聯邦學習可以有效的同時解決數據孤島，以及數據泄露的問題。

圖神經網絡模型是一種基于數據潛在關系表示的數據分析模型，圖神經網絡模型可以應用于眾多領域，比如計算機視覺、分子化學、分子生物、模式識別以及數據挖掘等。

目前還沒有一種基于聯邦學習的圖神經網絡訓練方法。

發明內容

為了實現圖神經網絡的聯邦學習，本申請提供一種基于聯邦學習的圖神經網絡模型訓練方法。本申請還涉及一種基于聯邦學習的圖神經網絡模型訓練裝置。

本申請提供一種基于聯邦學習的圖神經網絡模型訓練方法，包括：

S1部署聯邦學習平臺，將各個訓練節點接入所述聯邦學習平臺；

S2所述訓練節點根據預測目標分別更新訓練數據，并將所述訓練數據輸入到圖神經網絡模型訓練獲得模型參數；

S3通過聯邦學習平臺獲得其他所述訓練節點的模型參數進行參數聚合，并更新所述圖神經網絡模型；

S4重復步驟S2和S3，到所述圖神經網絡模型收斂，獲得預訓練的圖神經網絡模型。

可選的，所述預訓練的圖神經網絡模型用于預測廣告投放區和/或目標客戶。

可選的，所述訓練數據包括客戶id、客戶所在區域、客戶常駐地、客戶購買的產品/品牌、客戶關注的產品/品牌、客戶之間的關系。

可選的，所述訓練數據包括：客戶關系數據和空間關系數據。

可選的，所述預訓練的圖神經網絡模型在輸入數據后，輸出的結果是對所述輸入數據進行排序。

本申請還提供一種基于聯邦學習的圖神經網絡模型訓練裝置，包括：

部署模塊，用于部署聯邦學習平臺，將各個訓練節點接入所述聯邦學習平臺；

訓練模塊，用于所述訓練節點根據預測目標分別更新訓練數據，并將所述訓練數據輸入到圖神經網絡模型訓練獲得模型參數；

聚合模塊，用于通過聯邦學習平臺獲得其他所述訓練節點的模型參數進行參數聚合，并更新所述圖神經網絡模型；

其中，重復執行訓練模塊和聚合模塊，到所述圖神經網絡模型收斂，獲得預訓練的圖神經網絡模型。

可選的，所述預訓練的圖神經網絡模型用于預測廣告投放區和/或目標客戶。

可選的，所述訓練數據包括客戶id、客戶所在區域、客戶常駐地、客戶購買的產品/品牌、客戶關注的產品/品牌、客戶之間的關系。

可選的，所述訓練數據包括：客戶關系數據和空間關系數據。

可選的，所述預訓練的圖神經網絡模型在輸入數據后，輸出的結果是對所述輸入數據進行排序。

本申請相較于現有技術的優點是：