[发明专利]一种联合模型训练方法、装置及系统

权利要求书

1.一种联合模型训练方法，其特征在于，包括：

获取服务平台下发的联合模型和联合任务招标信息，所述联合任务招标信息包括联合任务、强关联样本采样率、损失阈值以及每轮次所需样本数量；

使用预设的训练数据训练所述联合模型，获得每一所述训练数据的输出结果，所述训练数据携带有标签值，计算每一所述训练数据的输出结果与其标签值之间的损失值；

根据所述损失值、强关联样本采样率、损失阈值，从所述训练数据中筛选出目标数据，所述目标数据包括与所述联合任务的关联度大的强关联数据，以及与所述联合任务的关联度小的弱关联数据，所述目标数据的数量不小于所述每轮次所需样本数量；

根据所述目标数据的损失值确定总期望激励值，向所述服务平台发送投标申请，所述投标申请包括所述总期望激励值；

当接收到所述服务平台发送的中标通知信息时，使用所述目标数据对所述联合模型进行训练，以获得迭代联合模型；

向所述服务平台反馈所述迭代联合模型的迭代模型参数，以获得激励值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述损失值、强关联样本采样率、损失阈值，从所述训练数据中筛选出目标数据，所述目标数据包括与所述联合任务的关联度大的强关联数据，以及与所述联合任务的关联度小的弱关联数据，所述目标数据的数量不小于所述每轮次所需样本数量，包括：

将所述训练数据中损失值大于或等于所述损失阈值的数据，确定为与所述联合任务的关联度大的强关联数据；

将所述训练数据中损失值小于所述损失阈值的数据，确定为与所述联合任务的关联度小的弱关联数据；

根据所述强关联样本采样率和所述每轮次所需样本数量，分别确定所述强关联数据的第一数据量，以及所述弱关联数据的第二数据量，所述第一数据量和所述第二数据量的总和不小于所述每轮次所需样本数量。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据的损失值确定期望激励值，包括：

根据每一所述目标数据的损失值，以及预设的损失值梯度与激励系数的对应关系，确定每一所述目标数据的激励系数；

根据每一所述目标数据的激励系数与预设的激励基数，确定总期望激励值。

4.一种联合模型训练方法，其特征在于，包括：

获取任务需求信息，所述任务需求信息包括模型需求和业务需求；

确定符合所述业务需求的投标参与方；

向所述投标参与方下发与所述模型需求对应的联合模型，以及联合任务招标信息，所述联合任务招标信息包括联合任务、强关联样本采样率、损失阈值以及每轮次所需样本数量，以供所述投标参与方根据所述联合模型和联合任务招标信息从其预设的训练数据中筛选出目标数据，并确定总期望激励值；

当接收到所述投标参与方反馈的总期望激励值符合预设的激励值范围时，向所述投标参与方发送中标通知信息，以使所述投标参与方使用所述目标数据对所述联合模型进行训练，获得迭代联合模型；

根据所述投标参与方反馈的所述迭代联合模型的迭代模型参数，向所述投标参与方发放激励值。

5.根据权利要求4所述的方法，其特征在于，所述业务需求包括联合训练所需的样本类型；

所述确定符合所述业务需求的投标参与方，包括：

确定所有参与方所拥有的训练数据类型；

对所述样本类型和所述训练数据类型进行比较，得到比较结果，根据所述比较结果，确定投标参与方。

6.根据权利要求4所述的方法，其特征在于，所述当接收到所述投标参与方反馈的总期望激励值符合预设的激励值范围时，向所述投标参与方发送中标通知信息，以使所述投标参与方使用所述目标数据对所述联合模型进行训练，获得迭代联合模型，包括：

当所述总期望激励值符合预设的激励值范围时，获取所述投标参与方提供的目标数据与所述联合任务的关联度评分；

根据所述关联度评分和所述总期望激励值，从所述投标参与方中筛选出目标参与方，并向所述目标参与方发送中标通知信息，以使所述目标参与方使用所述目标数据对所述联合模型进行训练，获得迭代联合模型。