基于异构联邦学习的预测方法、模型生成方法及装置
公开
摘要
本申请提供一种基于异构联邦学习的预测方法、模型生成方法及装置。方法包括：接收预测任务，根据预测任务中的模型标识和样本标识获得预测结果；向发起方发送预测结果，发起方根据模型标识对返回的预测结果进行处理获得最终预测结果；预测结果为利用目标预测模型对样本特征进行处理获得，目标预测模型通过如下方法生成：获取初始预测模型对应的模型文件；初始预测模型采用第一编程语言训练获得；从模型文件中提取初始预测模型的模型参数；将模型参数以数据表的形式存储到Hive数据表中，生成所述目标预测模型，目标预测模型采用第二编程语言实现预测处理；且第一编程语言不同于第二编程语言。本申请可以提高对样本数据预测的效率。
基本信息
专利标题 ：
基于异构联邦学习的预测方法、模型生成方法及装置
专利标题（英）：
暂无
公开（公告）号 ：
CN114611712A
申请号 ：
CN202210501248.0
公开（公告）日 ：
2022-06-10
申请日 ：
2022-05-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
尤志强卞阳
申请人 ：
富算科技（上海）有限公司
申请人地址 ：
上海市浦东新区中国(上海)自由贸易试验区浦东大道1200号2层A区
代理机构 ：
北京超凡宏宇专利代理事务所(特殊普通合伙)
代理人 ：
唐正瑜
优先权 ：
CN202210501248.0
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 G06F16/2455 G06F16/25 G06F16/28 G06F16/9535 G06Q20/40
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/00
机器学习
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
