[发明专利]基于联合学习的确定资源贡献度的方法、装置和电子设备

说明书

本公开涉及联合学习技术领域，提供了一种基于联合学习的确定资源贡献度的方法、装置和电子设备。该方法包括：获取联合学习架构中的各个参与方上传的模型；其中，上传的模型携带有模型的通讯轮次，以及通讯轮次对应的参与方的边际贡献值；基于边际贡献值，确定各参与方的资源量；根据参与方的资源量和夏普利值算法，确定各个参与方的分配资源量；基于通讯轮次和分配资源量，得到各参与方对联合模型的贡献度。本公开可以通过参与方对于联合模型的贡献度来实现联合学习的激励分配，以保证联合学习的成功进行和可持续性。

技术领域

本公开涉及联合学习技术领域，尤其涉及一种基于联合学习的确定资源贡献度的方法、装置和电子设备。

背景技术

联合学习组织多个参与方共建智能，需要设计合理的分配激励机制保证合作的成功进行和可持续性。按IEEE P3652.1联合学习架构和应用规范，激励机制通常需要满足个体合理性、集体合理性、公平性等多个约束条件，其中，公平分配利益尤为重要，所以按贡献大小进行分配是一个合理的分配方法。因此，如何确定各个参与方对于联合学习的贡献是联合学习应用中的一个技术问题。

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确定资源贡献度的方法、装置和电子设备，以解决现有技术中如何确定各个参与方对于联合学习的贡献的问题。

本公开实施例的第一方面，提供了一种基于联合学习的确定资源贡献度方法，包括：获取联合学习架构中的各个参与方上传的模型；其中，上传的模型携带有模型的通讯轮次，以及通讯轮次对应的参与方的边际贡献值；基于边际贡献值，确定各参与方的资源量；根据参与方的资源量和夏普利值算法，确定各个参与方的分配资源量；基于通讯轮次和分配资源量，得到各参与方对联合模型的贡献度。

本公开实施例的第二方面，提供了一种基于联合学习的确定资源贡献度的装置，包括：获取模块，被配置为获取联合学习架构中的各个参与方上传的模型；其中，上传的模型携带有模型的通讯轮次，以及通讯轮次对应的参与方的边际贡献值；第一确定模块，被配置为基于边际贡献值，确定各参与方的资源量；计算模块，被配置为根据参与方的资源量和夏普利值算法，确定各个参与方的分配资源量；第二确定模块，被配置为基于通讯轮次和分配资源量，得到各参与方对联合模型的贡献度。

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。

本公开实施例与现有技术相比存在的有益效果是：通过获取联合学习架构中的各个参与方上传的模型；其中，上传的模型携带有模型的通讯轮次，以及通讯轮次对应的参与方的边际贡献值；基于边际贡献值，确定各参与方的资源量；根据参与方的资源量和夏普利值算法，确定各个参与方的分配资源量；基于通讯轮次和分配资源量，得到各参与方对联合模型的贡献度，从而可以根据参与方对于联合模型的贡献度来实现联合学习的激励分配，以保证联合学习的成功进行和可持续性。

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；

图2是本公开实施例提供的一种基于联合学习的确定资源贡献度的方法的流程示意图；

图3是本公开实施例提供的图2中步骤S203的一种方法流程示意图；

图4是本公开实施例提供的图2中步骤S203的另一种方法流程示意图；

图5是本公开实施例提供的一种基于联合学习的确定资源贡献度的装置的结构示意图；

图6是本公开实施例提供的一种电子设备的结构示意图。