[发明专利]数据回传处理、客户端选择方法、装置及电子设备

权利要求书

1.一种数据回传方法，其特征在于，包括：

在基于联邦学习架构对算法模型进行多轮迭代训练的过程中，通过客户端完成当前轮次的迭代计算后，确定出待回传到服务端的原始高维几何量；

根据所述原始高维几何量中各分量上的数值的相似度，将所述原始高维几何量压缩为低维几何量；

将所述低维几何量回传到所述服务端，以便所述服务端对多个客户端回传的低维几何量进行聚类，并根据聚类得到的多个簇进行客户端选择，在被选中的部分客户端回传所述原始高维几何量后，通过对接收到的多个原始高维几何量进行聚合计算，更新全局模型参数。

2.根据权利要求1所述的方法，其特征在于，

所述根据所述原始高维几何量中各分量上的数值的相似度，将所述原始高维几何量压缩为低维几何量，包括：

按照所述原始高维几何量中多个分量上的数值的相似度，对所述多个分量上的数值进行聚类；

根据聚类得到的多个类别以及各自的聚类中心，生成所述低维几何量。

3.根据权利要求1所述的方法，其特征在于，

所述原始高维几何量包括：所述客户端在完成当前轮次的迭代计算后，计算出的梯度方向，或者按照所述梯度方向在所述客户端本地进行更新后的模型参数。

4.根据权利要求1所述的方法，其特征在于，

所述服务端在进行客户端选择时，针对聚类得到的多个簇，分别对每个簇内各几何量的数据波动性进行量化计算，并根据波动性量化计算结果，确定在各个簇内进行客户端选择时的抽样效率，以用于根据各个簇对应的抽样效率，分别从各个簇内选择出部分客户端，由该部分客户端向所述服务端回传所述原始高维几何量。

5.根据权利要求1至4任一项所述的方法，其特征在于，

所述算法模型包括：基于商品信息服务系统中的用户历史行为数据，对商品点击率或转化率进行预测的模型。

6.一种客户端选择方法，其特征在于，包括：

在基于联邦学习架构进行算法模型训练的过程中，通过服务端接收客户端回传的几何量，所述几何量是在客户端完成当前轮次的迭代计算后生成的；

对多个客户端回传的所述几何量对进行聚类得到多个簇，其中，每个簇中包括至少一个几何量；

分别对每个簇内各几何量的数据波动性进行量化计算；

根据波动性量化计算结果，确定在各个簇内进行客户端选择时的抽样效率，以便将被选中的部分客户端回传的几何量进行聚合后，更新全局模型参数。

7.根据权利要求6所述的方法，其特征在于，

所述通过服务端接收客户端回传的几何量，包括：

通过服务端接收客户端回传的低维几何量，所述低维几何量是根据原始高维几何量中各分量上的数值的相似度，对所述原始高维几何量进行压缩后生成的；

所述对多个客户端回传的所述几何量对进行聚类得到多个簇，包括：

对多个客户端回传的所述低维几何量对进行聚类得到多个簇；

所述确定在各个簇内进行客户端选择时的抽样效率后，还包括：

根据各个簇对应的抽样效率，分别从各个簇内选择出部分客户端，并向被选中的部分客户端发送通知消息，以便所述部分客户端收到所述通知消息后，向所述服务端回传所述原始高维几何量；

根据所述部分客户端回传的原始高维几何量进行聚合后，更新全局模型参数。

8.根据权利要求6所述的方法，其特征在于，

所述分别对每个簇内各几何量的数据波动性进行量化计算，包括：

通过计算同一簇内各几何量之间的距离，对各几何量的数据波动性进行量化计算。