[发明专利]一种协同任务预测方法及计算机可读存储介质

说明书

本发明提供了一种协同任务预测方法及计算机可读存储介质；该方法包括：接收多个终端发送的样本身份信息，基于样本身份信息，通过与多个终端进行中间结果交互所得到的子纵向模型，构造出纵向模型；接收多个终端发送的多个子横向模型，并对多个子横向模型进行整合，得到横向模型；对纵向模型和横向模型进行整合，得到任务预测模型，并将任务预测模型发送给多个终端；获取待预测身份信息，并将待预测身份信息分别发送给多个终端；当接收到多个终端针对待预测身份信息所返回的多个子预测结果时，利用多个子预测结果整合出任务预测结果，完成协同任务预测。通过本发明，能够提高任务预测的准确度。

技术领域

本发明涉及人工智能技术，尤其涉及一种基于人工智能的协同任务预测方法及计算机可读存储介质。

背景技术

随着人工智能技术的发展，使用人工智能技术来执行各种任务预测的行业也越来越多，例如金融行业、社交媒体行业等。在利用人工智能进行任务预测时，通常是先用样本数据训练出预测模型，然后基于预测模型来进行任务预测。针对训练数据中隐私性较强的数据，则可以使用联邦训练模式来完成训练，即各个参与方先分别计算出梯度，服务器整合各个参与方的总梯度，最后各个参与方再利用整合好的总梯度更新模型。

在实际应用中，参与方中的数据可能存在缺失标签，或者是缺失特征的情况，例如一家医院只具有用户的基础身体检查信息，不具有用户的诊断结果的情况，即医院所具有的医疗数据是不对齐的，这些不对齐数据会给计算梯度带来难度，因此参与方，即各个医院在计算梯度时对不对齐数据的使用率较低。然而，不对齐数据中极有可能包含着对任务预测有用的信息，对不对齐数据的使用率较低会导致训练出的预测模型性能较低，从而使得任务预测的准确度较低。

发明内容

本发明实施例提供一种协同任务预测方法及计算机可读存储介质，能够提高任务预测的准确度。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种协同任务预测方法，包括：

接收多个终端发送的样本身份信息，基于所述样本身份信息，通过与所述多个终端进行中间结果交互所得到的子纵向模型，构造出纵向模型；其中，所述样本身份信息表征终端中的不对齐样本数据的身份信息；

接收所述多个终端发送的多个子横向模型，并对所述多个子横向模型进行整合，得到横向模型；

对所述纵向模型和所述横向模型进行整合，得到任务预测模型，并将所述任务预测模型发送给所述多个终端，以使所述多个终端利用所述任务预测模型进行任务预测；

获取待预测身份信息，并将所述待预测身份信息分别发送给所述多个终端；所述待预测身份信息表征待预测的样本数据的身份信息；

当接收到所述多个终端针对所述待预测身份信息所返回的多个子预测结果时，利用所述多个子预测结果整合出任务预测结果，完成协同任务预测。

本发明实施例提供一种协同任务预测方法，包括：

获取不对齐样本数据、对齐样本数据以及所述不对齐样本数据的样本身份信息，并将所述样本身份信息发送给服务器；

通过与所述服务器进行中间结果交互，以使所述服务器基于所述样本身份信息得到子纵向模型；

利用所述对齐样本数据构造出子横向模型，并将所述子横向模型发送给所述服务器；

接收所述服务器发送的任务预测模型；其中，所述任务预测模型是所述服务器基于所述子横向模型和所述子纵向模型得到的；

当接收到所述服务器发送的待预测身份信息时，获取所述待预测身份信息对应的样本数据，利用所述任务预测模型对所述样本数据进行预测，得到子预测结果；