[发明专利]面向机器学习算法的预测与训练流程的统一方法及装置

权利要求书

1.一种面向机器学习算法的预测与训练流程的统一方法，其特征在于，包括：

获取第一机器学习算法；其中，所述第一机器学习算法中基础原语的作用对象是不能以索引方式访问的树结构；

对所述基础原语进行计算流程的改造，使改造后基础原语的作用对象是以索引方式访问的树结构；

基于改造后基础原语，将所述第一机器学习算法转换为满足数据隐私保护协议的第二机器学习算法；其中，所述第二机器学习算法的作用对象是以索引方式访问的树结构，且该树结构包括：内部节点、叶子节点和各节点的位置索引；所述第二机器学习算法用于基于树结构的预测任务。

2.根据权利要求1所述的方法，其特征在于，所述改造后基础原语包括：第一对象、第二对象、第一参数和第二参数；其中：

所述第一对象用于表示第一参与方的树结构，且所述第一参与方的树结构的内部节点中包括特征阈值数据；

所述第二对象用于表示第二参与方的树结构，且所述第二参与方的树结构的叶子节点中包括预测数据；

所述第一参数用于在第一参与方根据内部节点将特征数据转换为位置索引；

所述第二参数用于在第二参与方的树结构中选择与所述位置索引对应的叶子节点，且选择的叶子节点中包含的预测数据用于执行用户指定的apply函数计算操作。

3.根据权利要求2所述的方法，其特征在于，所述对所述基础原语进行计算流程的改造，包括：

根据内部节点中的特征阈值数据，将所述基础原语中需要多方交互的第一参与方的特征数据，转换为位置索引；以及，将所述位置索引应用到第二参与方，以使第二参与方根据所述位置索引选择第二参与方的预测数据执行用户指定的计算操作。

4.根据权利要求2所述的方法，其特征在于，所述方法包括：

通过对所述基础原语进行分析，确定所述基础原语中的第一对象和第二对象均是以索引方式访问的树结构，以及确定所述第一对象的索引定义域与所述第二对象的索引值域是同一区间；

将确定的所述第一对象和第二对象以索引方式访问，以及所述第一对象的索引定义域与所述第二对象的索引值域是同一区间，作为对所述基础原语进行改造的使用条件。

5.根据权利要求4所述的方法，其特征在于，在不同的参与方中，所述第二机器学习算法的树结构均以索引方式访问，且不同参与方的所述第二机器学习算法的树结构是同一树结构形式。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对待训练的机器学习算法进行训练；其中，所述待训练的机器学习算法的作用对象是张量结构；

在训练结束后，获取模型结果信息；所述模型结果信息用于存储机器学习算法在不同参与方的数据结构，且所述数据结构是经计算流程的改造之后得到的可被索引访问的链表；

将所述数据结构序列化到不同参与方的文件系统中；其中，对于不同的参与方，所述数据结构的结构形式相同，数据结构的节点中的数据不同；

在所述第二机器学习算法执行预测任务时，将所述数据结构反序列化到内存中，得到具有树结构形式的所述第二机器学习算法。

7.一种面向机器学习算法的预测与训练流程的统一装置，其特征在于，包括：

算法获取模块，用于获取第一机器学习算法；其中，所述第一机器学习算法中基础原语的作用对象是不能以索引方式访问的树结构；

原语改造模块，用于对所述基础原语进行计算流程的改造，使改造后基础原语的作用对象是以索引方式访问的树结构；

算法转换模块，用于基于改造后基础原语，将所述第一机器学习算法转换为满足数据隐私保护协议的第二机器学习算法；其中，所述第二机器学习算法的作用对象是以索引方式访问的树结构，且该树结构包括：内部节点、叶子节点和各节点的位置索引；所述第二机器学习算法用于基于树结构的预测任务。