[发明专利]一种纵向联邦学习建模方法、装置、设备及计算机介质

权利要求书

1.一种纵向联邦学习建模方法，其特征在于，应用于业务方，包括：

获取进行纵向联邦学习建模所需的目标标签；

对所述目标标签进行分解，得到目标子标签；

将所述目标子标签分配给与所述目标标签对应的各个数据方，以使各个所述数据方基于分配的所述目标子标签及所述数据方的本地数据进行纵向联邦学习建模；

其中，所述业务方保存有标签，所述数据方不保存有所述标签。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标标签进行分解，得到目标子标签，包括：

对所述目标标签分解，得到子标签；

按照归一化幅值降序的排列方式，对所述子标签进行排序，得到排序子标签；

基于能量损失计算方法，确定使得所述目标子标签与所述目标标签相似的子标签数量值；

在所述排序子标签中，选取前所述子标签数量值的所述子标签作为所述目标子标签。

3.根据权利要求2所述的方法，其特征在于，所述基于能量损失计算方法，确定使得所述目标子标签与所述目标标签相似的子标签数量值，包括：

基于MSE损失计算方法，通过第一计算公式，计算所述排序子标签与所述目标标签的第一损失值；

确定使得所述第一损失值小于第一预设值的所述子标签数量值，所述第一预设值为判定所述目标子标签与所述目标标签相似的临界值；

所述第一计算公式包括：

其中，β表示所述第一损失值；Y_i表示所述目标标签中的第i个标签；n表示所述目标标签中标签的总数量；Y_i'表示所述目标标签中的第i个标签分解得到的所述子标签，k表示所述目标标签中的第i个标签分解得到的所述子标签的数量值。

4.根据权利要求3所述的方法，其特征在于，所述将所述目标子标签分配给与所述目标标签对应的各个数据方，包括：

基于所述能量损失计算方法，确定使得各个所述数据方分配得到的所述目标子标签与所述目标标签不相似的分配方法；

按照所述分配方法将所述目标子标签分配给各个所述数据方。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述目标标签分解，得到子标签，包括：

对所述目标标签进行傅里叶分解，得到所述子标签。

6.根据权利要求5所述的方法，其特征在于，所述对所述目标标签进行分解，得到目标子标签，包括：

对所述目标标签进行排序，得到平稳的排序标签；

对所述排序标签进行分解，得到所述目标子标签。

7.根据权利要求6所述的方法，其特征在于，所述对所述目标标签进行排序，得到平稳的排序标签，包括：

基于目标排序方法对所述目标标签进行排序，得到平稳的所述排序标签，所述目标排序方法的类型包括：降序排序、升序排序、矩形波排序。

8.根据权利要求5所述的方法，其特征在于，所述将所述目标子标签分配给与所述目标标签对应的各个数据方之后，还包括：

获取各个所述数据方进行纵向联邦学习建模后得到的拟合子标签；

基于所述拟合子标签及所述目标标签进行纵向联邦学习建模。

9.根据权利要求8所述的方法，其特征在于，所述基于所述拟合子标签及所述目标标签进行纵向联邦学习建模，包括：

按照梯度提升方法，基于所述拟合子标签及所述目标标签进行纵向联邦学习建模。

10.一种纵向联邦学习建模方法，其特征在于，应用于数据方，包括：

接收业务方分配的目标子标签；

基于分配的所述目标子标签及所述数据方的本地数据进行纵向联邦学习建模；

其中，所述业务方保存有标签，所述数据方不保存有所述标签；所述业务方获取进行纵向联邦学习建模所需的目标标签，对所述目标标签进行分解，得到所述目标子标签，并将所述目标子标签分配给与所述目标标签对应的各个所述数据方。