基于树形结构的多标签预测方法、控制器和介质

作者：蔡文渊; 张坤坤; 高明; 周傲英; 徐林昊; 顾海林; 孙嘉

来源：2021-04-13, 中国, ZL202110392743.8.

本发明涉及一种基于树形结构的多标签联邦学习方法、控制器和介质,所述方法包括步骤S1、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S2、基于所述n个数据持有方的用户标签生成标签依赖关系树；步骤S3、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S4、待测用户的特征为{x～1,x～2,...,x～n},基于{x～1,x～2,...,x～n}、标签依赖关系树和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,提高了模型精度和模型训练速度。

• 单位
  华东师范大学