[发明专利]模型训练方法、即时推送方法、装置、介质和电子设备

说明书

本公开涉及一种模型训练方法、即时推送方法、装置、介质和电子设备，属于计算机技术领域，能够实现端智能场景下的模型训练。一种基于联邦学习的模型训练方法，包括：有标签的拥有相同特征和不同样本的多个第一参与方将拥有的标签值加密传给无标签的拥有所有第一参与方的样本但拥有特征与第一参与方不同的第二参与方；第二参与方基于加密的标签值和拥有特征的特征值确定第二梯度并传给第一参与方，第一参与方基于拥有特征的特征值和拥有的标签值确定第一梯度和第一直方图并传给第二参与方；第一参与方基于第二梯度确定第一最优分裂点并传给第二参与方；第二参与方基于第一梯度、第一直方图和第一最优分裂点确定全局最优分裂点并传给第一参与方。

技术领域

本公开涉及计算机技术领域，具体地，涉及一种模型训练方法、即时推送方法、装置、介质和电子设备。

背景技术

为了解决人工智能(Artificial Intelligence，AI)建模下的数据安全问题，现今已提出了诸多方案，例如横向联邦学习、纵向联邦学习。然而，横向联邦学习和纵向联邦学习解决的数据场景较为固定，无法解决端智能业务场景下的建模问题。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种基于联邦学习的模型训练方法，包括：第一参与方将所拥有的标签值加密传送给第二参与方，其中，所述第一参与方为有标签的参与方，所述第一参与方的数量为多个、且每个所述第一参与方拥有相同的特征和不同的样本，所述第二参与方为无标签的参与方、且所述第二参与方拥有所有所述第一参与方的样本但所述第二参与方拥有与各个所述第一参与方不同的特征；所述第二参与方基于加密的所述标签值和所拥有特征的特征值确定第二梯度并将所述第二梯度传送给所述第一参与方，所述第一参与方基于所拥有特征的特征值和所拥有的标签值确定第一梯度和第一直方图、并将所述第一梯度和所述第一直方图传送给所述第二参与方；所述第一参与方基于所述第二梯度确定第一最优分裂点，并将所述第一最优分裂点的信息传送给所述第二参与方；所述第二参与方基于所述第一梯度、所述第一直方图和所述第一最优分裂点的信息，确定全局最优分裂点，并将所述全局最优分裂点的信息传送给所述第一参与方。

第二方面，本公开提供一种即时推送方法，应用于客户端，包括：根据所述客户端所拥有的样本特征的特征值和本地的即时推送模型，推理得到第一推送内容，并将所述第一推送内容发送给服务器，所述第一推送内容用于所述服务器对所述第一推送内容和所述服务器推理得到的第二推送内容求交得到交集结果，其中，所述本地的即时推送模型是基于第一方面中任一项所述的基于联邦学习的模型训练方法训练得到的模型；从所述服务器接收所述交集结果，并根据所述交集结果进行即时推送。

第三方面，本公开提供一种即时推送方法，应用于服务器，包括：从客户端接收第一推送内容；根据所述服务器所拥有的样本特征的特征值和本地的即时推送模型，推理得到第二推送内容，其中，所述本地的即时推送模型是基于第一方面中任一项所述的基于联邦学习的模型训练方法训练得到的模型；对所述第一推送内容和所述第二推送内容求交得到交集结果；将所述交集结果发送给所述客户端，所述交集结果用于所述客户端根据所述交集结果进行即时推送。