[发明专利]训练样本构建方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种训练样本构建方法、装置、设备及计算机可读存储介质，该方法包括以下步骤：获取第一参与方的本地训练样本，并将本地训练样本转换成预设的数据形式，得到本地训练样本对应的本地样本表征；接收第二参与方发送的非重叠样本表征；基于非重叠样本表征中的各表征数据以及本地样本表征中的各表征数据，计算本地样本表征对应的补充样本表征；将补充样本表征加入至所述本地样本表征中，得到补全样本表征，并基于补全样本表征参与纵向联邦学习。本发明补全第一参与方的本地训练样本，使训练样本中的重叠部分增加，增加了参与纵向联邦学习的训练样本，解决了由于两个参与方之间的重叠样本较少导致计算机系统的计算效率低的问题。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种训练样本构建方法、装置、设备及计算机可读存储介质。

背景技术

随着人工智能的发展，人们为解决数据孤岛的问题，提出了“联邦学习”的概念，使得联邦学习中的参与方在不用给出己方数据的情况下，也可进行模型训练得到模型参数，并且可以避免数据隐私泄露的问题。联邦学习是为了在保护数据隐私的情况下利用多个参与方的数据建立健壮的机器学习模型。其中，纵向联邦学习是通过样本对齐技术找到所有参与方的重叠样本，并利用这些重叠样本对模型进行训练，以此建立机器学习模型。但是，由于训练模型的重叠样本较少，因此大量的非重叠样本不能用于训练联邦学习模型，导致所训练的纵向联邦学习模型收敛速度慢，进而需要花费的大量的计算资源，导致计算机系统的计算效率低，这在一定程度上限制了纵向联邦学习应用于更广泛的场景。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种训练样本构建方法、装置、设备及计算机可读存储介质，旨在解决在纵向联邦学习中由于两个参与方之间的重叠样本较少导致计算机系统的计算效率低的技术问题。

为实现上述目的，本发明提供一种训练样本构建方法，所述训练样本构建方法应用于第一参与方，所述训练样本构建方法包括以下步骤：

获取所述第一参与方的本地训练样本，并将所述本地训练样本转换成预设的数据形式，得到本地训练样本对应的本地样本表征；

接收第二参与方发送的非重叠样本表征，其中，所述非重叠样本表征为所述第二参与方将第二参与方本地训练样本中的非重叠训练样本转换成与所述第一参与方的所述本地样本表征相同的数据形式后得到的；

基于所述非重叠样本表征中的各表征数据以及所述本地样本表征中的各表征数据，计算所述本地样本表征对应的补充样本表征；

将所述补充样本表征加入至所述本地样本表征中，得到补全样本表征，并基于所述补全样本表征参与纵向联邦学习。

可选地，所述第一参与方的所述本地训练样本包括样本特征，所述本地样本表征为所述样本特征对应的本地样本特征表征，

所述基于所述非重叠样本表征中的各表征数据以及所述本地样本表征中的各表征数据，计算所述本地样本表征对应的补充样本表征的步骤包括：

基于所述非重叠样本特征表征与所述本地样本特征表征，确定所述非重叠样本特征表征的各表征数据与所述本地样本特征表征的各表征数据之间的相似度权重，其中，所述非重叠样本表征为非重叠样本特征对应的非重叠样本特征表征；

基于所述相似度权重对所述本地样本特征表征的各样本表征进行加权求和，得到所述本地样本表征对应的补充样本表征。

可选地，所述接收第二参与方发送的非重叠样本表征的步骤之后，还包括：

基于所述非重叠样本特征表征中的各表征数据以及所述本地训练样本中样本标签的各标签数据，计算所述样本标签对应的补充样本标签；