[发明专利]基于联合学习的数据激励处理方法及装置

说明书

本公开涉及均衡分配技术领域，提供了一种基于联合学习的数据激励处理方法及装置。该方法包括：基于联合学习架构，根据参与方提供的任务需求，训练联合学习激励模型，其中，参与方带有数据激励系数；调取数据贡献度算法，计算联合学习激励模型的精度；根据联合学习激励模型的精度和数据激励系数，计算出每个参与方对模型的贡献比例；基于贡献比例，确定每个参与方对应数据资源分配。采用上述技术手段，解决现有技术中，缺少一种对联合学习激励模型所获得的资源进行公平合理分配的方案的问题。

技术领域

本公开涉及均衡分配技术领域，尤其涉及一种基于联合学习的数据激励处理方法及装置。

背景技术

随着机器学习技术的发展，神经网络模型被广泛应用于各行各业。因为大规模的模型训练对硬件的要求高，同时为了确保模型的精度，需要大量的数据进行模型训练，因此仅仅通过一方去训练模型，受限因素很多。为了解决上述问题，联合学习被引入到多方训练的场景中。因为联合学习是多个参与方分别训练模型，发起方或者中心只需要聚合多个参与方的模型参数，就可以得到相当于使用多个参与方的数据训练的模型，因此可以很好的应用于多方训练的场景中。但是联合学习模型所获得的资源，现有技术没有一种公平公正的分配方案。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：缺少一种对联合学习模型所获得的资源进行公平合理分配的方案的问题。

发明内容

有鉴于此，本公开实施例提供了一种基于联合学习的数据激励处理方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，缺少一种对联合学习激励模型所获得的资源进行公平合理分配的方案的问题。

本公开实施例的第一方面，提供了一种基于联合学习的数据激励处理方法，包括：基于联合学习架构，根据参与方提供的任务需求，训练联合学习激励模型，其中，参与方带有数据激励系数；调取数据贡献度算法，计算联合学习激励模型的精度；根据联合学习激励模型的精度和数据激励系数，计算出每个参与方对模型的贡献比例；基于贡献比例，确定每个参与方对应数据资源分配。

本公开实施例的第二方面，提供了一种基于联合学习的数据激励处理装置，包括：训练模块，被配置为基于联合学习架构，根据参与方提供的任务需求，训练联合学习激励模型，其中，参与方带有数据激励系数；第一计算模块，被配置为调取数据贡献度算法，计算联合学习激励模型的精度；第二计算模块，被配置为根据联合学习激励模型的精度和数据激励系数，计算出每个参与方对模型的贡献比例；确定模块，被配置为基于贡献比例，确定每个参与方对应数据资源分配。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果是：基于联合学习架构，根据参与方提供的任务需求，训练联合学习激励模型，其中，参与方带有数据激励系数；调取数据贡献度算法，计算联合学习激励模型的精度；根据联合学习激励模型的精度和数据激励系数，计算出每个参与方对模型的贡献比例；基于贡献比例，确定每个参与方对应数据资源分配。采用上述技术手段，可以解决现有技术中，缺少一种对联合学习激励模型所获得的资源进行公平合理分配的方案的问题，进而提供一种分配联合学习激励模型所获得的资源的方案。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本公开实施例的应用场景的场景示意图；