基于有向无环图的多标签联邦学习方法、控制器和介质

作者:蔡文渊; 张坤坤; 高明; 钱卫宁; 徐林昊; 顾海林; 袁国玮
来源:2021-04-13, 中国, ZL202110392484.9.

摘要

本发明涉及一种基于有向无环图的多标签联邦学习方法、控制器和介质,所述方法包括步骤C1、获取n个数据持有方中每一数据持有方对应的训练数据集;步骤C2、基于所述n个数据持有方的用户标签生成标签有向无环图;步骤C3、以{X-1,X-2,...,X-n}∪G(Y-(t(j)))作为预测子模型M-(t(j))的输入数据,以预测标签Y-(t(j))作为预测子模型M-(t(j))的输出数据,进行纵向联邦学习训练,并行训练生成预测子模型M-(t(j));步骤C4、待测用户的特征为{x~1,x~2,...,x~n},基于{x~1,x~2,...,x~n}、标签有向无环图和M-(t(j))生成所述待测用户所有标签{y~(t(1)),y~(t(2)),...,y~(t(n))},y~(t(j))表示待测用户对应于第t(j)个标签的预测值。本发明基于多标签之间的相互关系进行联邦学习,提高了模型精度。