[发明专利]基于联邦学习的语句质检方法、装置、设备及存储介质

说明书

本发明公开了一种基于联邦学习的语句质检方法、装置、设备及存储介质，该方法包括以下步骤：第一终端根据获取到的质检例句时，训练第一终端对应的第一网络模型，将训练第一网络模型得到的第一模型梯度传输到联邦服务器，联邦服务器对接收的第一模型梯度和至少一个第二终端发送的第二模型梯度进行聚合；第一终端接收联邦服务器发送的回传梯度，并基于回传梯度对第一网络模型进行训练，生成联邦质检模型，调用联邦质检模型对接收的待质检语句进行质检。本发明通过联邦质检模型在各方数据隐私受到严格保护的前提下联合多方数据进行质检，确保质检准确性的同时有利于保护各方数据的安全。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及一种基于联邦学习的语句质检方法、装置、设备及存储介质。

背景技术

随着金融科技(Fintech)，尤其是互联网科技金融的不断发展，越来越多的技术(如人工智能、大数据、云存储等)应用在金融领域，但金融领域也对各类技术提出了更高的要求，如要求对语句质检更为全面准确。

当前人工坐席的服务遍布生活的各个方面，人工坐席的服务语句可用于从侧面反应服务平台的运营风险，人工坐席的服务语句越规范，则反应服务平台的运营风险相对较低，而人工坐席的服务语句越不规范，涉恐、涉暴的语句越多，则反应服务平台的运营风险相对较高。因此，人工坐席服务语句的准确质检，有利于分析平台运营的风险性。

随着人工智能技术的发展，语句质检也由传统的人工抽样抽检转变为智能模型质检。但是智能模型的质检效果很大程度上依赖于质检标注的例句数量和质量，而由于数据安全和隐私保护的需要，不同业务方的质检标准数据不能共享。如此一来，导致了不同业务方均需要花费较多的时间去标注用于训练模型的大量样本数据，质检前期的准备时间长。并且，即便各业务方均进行标注，但生活中的语句千差万别，难以全面标注，使得智能模型在质检过程中因标注不全面而导致质检不准确。

因此，如何缩短质检前期的准备时间，以及提高质检准确性是当前亟待解决的技术问题。

发明内容

本发明的主要目的在于提供一种基于联邦学习的语句质检方法、装置、设备及存储介质，旨在解决现有技术中语句质检的前期准备时间长，质检不准确技术问题。

为实现上述目的，本发明提供一种基于联邦学习的语句质检方法，所述基于联邦学习的语句质检方法包括以下步骤：

第一终端根据获取到的质检例句，训练所述第一终端对应的第一网络模型；

将训练所述第一网络模型得到的第一模型梯度传输到联邦服务器，其中，所述联邦服务器接收所述第一模型梯度和至少一个第二终端发送的第二模型梯度，所述联邦服务器聚合所述第一模型梯度和所述第二模型梯度，并生成回传梯度；

所述第一终端接收所述联邦服务器发送的所述回传梯度，并基于所述回传梯度对所述第一网络模型进行训练，生成联邦质检模型，调用所述联邦质检模型对接收的待质检语句进行质检。

可选地，所述第一终端根据获取到的质检例句，训练所述第一终端对应的第一网络模型的步骤之前，所述方法还包括：

获取所述第二终端的第二质检项，并将所述第一终端内的第一质检项和所述第二质检项进行交集运算，生成目标质检项；

获取与所述目标质检项对应的质检例句。

可选地，所述获取所述第二终端的第二质检项，并将所述第一终端内的第一质检项和所述第二质检项进行交集运算，生成目标质检项的步骤包括：

接收所述第二终端传输的与所述第二质检项对应的第二质检标识，其中，所述第二质检标识在所述第二终端经函数变换处理和加密处理；

对所述第二质检标识进行解密，得到第二解密质检标识；