[发明专利]模型更新方法、装置、系统及设备

说明书

本说明书实施例提供了一种模型更新方法、装置、系统及设备，其中，该方法包括：接收针对第一特征提取模型的更新请求，并基于待训练的第一特征提取模型和第一图结构数据，确定与所述第一图结构数据对应的第一特征向量，所述第一图结构数据由目标用户的第一特征信息确定；将所述第一特征向量发送给服务端，并接收所述服务端发送的模型参数，所述模型参数由所述服务端基于所述第一特征向量、第二特征向量，对待训练的第一分类模型进行训练，得到的训练后的第一分类模型的参数；基于所述模型参数，对所述第一特征提取模型进行更新处理，并基于更新处理后的第一特征提取模型对本地用户数据进行分类处理。

技术领域

本文件涉及数据处理技术领域，尤其涉及一种模型更新方法、装置、系统及设备。

背景技术

随着计算机技术的快速发展，企业为用户提供的应用服务的种类和数量也越来越多，随之而来的用户数据的数据量日益增加，数据结构也日趋复杂，为此，企业多采用基于知识图谱构建的图神经网络模型，以处理错综复杂的用户数据。

企业在构建了图神经网络模型后，可以基于本地用户数据对图神经网络模型的模型参数进行更新，但是企业本地存储的用户私有数据的数据量少，数据质量差，且为保障用户数据的隐私安全，不同企业之间，甚至同一企业内的不同业务单元之间无法实现数据协作，所以，基于本地用户数据对图神经网络模型的模型参数进行更新，就使得模型参数更新准确性差，因此，需要一种能够提高模型参数的更新准确性的解决方案。

发明内容

本说明书实施例的目的是提供一种模型更新方法、装置、系统及设备，以提供一种能够提高模型参数的更新准确性的解决方案。

为了实现上述技术方案，本说明书实施例是这样实现的：

第一方面，一种模型更新方法，包括：接收针对第一特征提取模型的更新请求，并基于待训练的第一特征提取模型和第一图结构数据，确定与所述第一图结构数据对应的第一特征向量，所述第一图结构数据由目标用户的第一特征信息确定；将所述第一特征向量发送给服务端，并接收所述服务端发送的模型参数，所述模型参数由所述服务端基于所述第一特征向量、第二特征向量，对待训练的第一分类模型进行训练，得到的训练后的第一分类模型的参数，所述第二特征向量为目标客户端基于预先训练的第二特征提取模型和第二图结构数据确定的向量，所述第二图结构数据由所述目标用户的第二特征信息确定，所述第二特征提取模型为基于历史图结构数据训练得到，所述历史图结构数据由预设数量的历史特征信息构建，所述第一分类模型用于根据所述第一特征提取模型提取出的第一特征向量和所述第二提取模型提取出的第二特征向量，对所述目标用户的特征信息进行分类处理；基于所述模型参数，对所述第一特征提取模型进行更新处理，并基于更新处理后的第一特征提取模型对本地用户数据进行分类处理。

第二方面，本说明书实施例提供的一种模型更新方法，包括：接收第一客户端发送的第一特征向量和目标客户端发送的第二特征向量，所述第一特征向量为所述第一客户端基于待训练的第一特征提取模型和第一图结构数据确定的向量，所述第二特征向量为所述目标客户端基于预先训练的第二特征提取模型和第二图结构数据确定的向量，所述第二图结构数据由所述目标用户的第二特征信息确定，所述第二特征提取模型为基于历史图结构数据训练得到，所述历史图结构数据由预设数量的历史特征信息构建；基于所述第一特征向量、所述第二特征向量，对待训练的第一分类模型进行训练，得到训练后的第一分类模型，所述第一分类模型用于根据所述第一特征提取模型提取出的第一特征向量和所述第二提取模型提取出的第二特征向量，对所述目标用户的特征信息进行分类处理；将所述训练后的第一分类模型的模型参数发送给所述第一客户端，以使所述第一客户端基于所述模型参数对所述第一特征提取模型进行更新处理，并基于更新处理后的第一特征提取模型对所述第一客户端本地的用户数据进行处理。