[发明专利]样本匹配度计算优化方法、设备、介质及计算机程序产品

说明书

本申请公开了一种样本匹配度计算优化方法，所述样本匹配度计算优化方法包括：获取各第一本地样本ID，并将各所述第一本地样本ID对应的第一哈希值映射至预设取值区间，获得各第一哈希映射值；基于在各第一哈希映射值中选取的第一采样哈希映射值集合对应的第一采样数量，以及接收的各第二设备发送的第二采样哈希映射值集合对应的第二采样数量，确定各第二设备对应的全局采样排序值，并在第一采样哈希映射值集合和各第二采样哈希映射值集合中选取各全局采样排序值对应的全局采样哈希映射值；基于各全局采样排序值和各全局采样哈希映射值，分别计算第一设备与各第二设备之间的样本匹配度。本申请解决了联邦学习中计算样本匹配度的效率低的技术问题。

技术领域

本申请涉及金融科技(Fintech)的人工智能技术领域，尤其涉及一种样本匹配度计算优化方法、设备、介质及计算机程序产品。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。

随着计算机软件和人工智能、大数据云服务应用的不断发展，联邦学习技术的应用也越来越广泛，而在进行联邦学习时，通常需要确定联邦学习各参与方之间的样本匹配度，目前，通常通过过滤器估计各参与方之间的样本匹配度，例如布隆过滤器等，但是，通常过滤器估计各参与方之间的样本匹配度需要将各参与方的样本ID一一进行比对，当各参与方的样本数量较多时，一一比对各参与方的样本ID时的计算量与计算复杂度将极高，进而导致联邦学习中计算样本匹配度的效率极低。

发明内容

本申请的主要目的在于提供一种样本匹配度计算优化方法、设备、介质及计算机程序产品，旨在解决现有技术联邦学习中计算样本匹配度的效率低的技术问题。

为实现上述目的，本申请提供一种样本匹配度计算优化方法，所述样本匹配度计算优化方法应用于第一设备，所述样本匹配度计算优化方法包括：

获取各第一本地样本ID，并将各所述第一本地样本ID对应的第一哈希值映射至预设取值区间，获得各所述第一本地样本ID对应的第一哈希映射值；

在各所述第一哈希映射值中选取第一采样哈希映射值集合，并接收各第二设备发送的第二采样哈希映射值集合，其中，所述第二采样哈希映射值集合由所述第二设备在各第二本地样本ID对应的第二哈希映射值中选取；

基于所述第一采样哈希映射值集合对应的第一采样数量和各所述第二采样哈希映射值集合对应的第二采样数量，确定各所述第二设备对应的全局采样排序值，并在所述第一采样哈希映射值集合和各所述第二采样哈希映射值集合中选取各所述全局采样排序值对应的全局采样哈希映射值；

基于各所述全局采样排序值和各所述全局采样哈希映射值，分别计算所述第一设备与各所述第二设备之间的样本匹配度。

本申请提供一种样本匹配度计算优化方法，所述样本匹配度计算优化方法应用于第二设备，所述样本匹配度计算优化方法包括：

获取各第二本地样本ID，并将各所述第二本地样本ID对应的第二哈希值映射至预设取值区间，获得各所述第二本地样本ID对应的第二哈希映射值；

将各所述第二哈希映射值中选取的第二采样哈希映射值集合发送至第一设备，以供所述第一设备基于各所述第二设备发送的第二采样哈希映射值集合和基于各第一本地样本ID生成的第一采样哈希映射值集合，分别计算所述第一设备与各所述第二设备之间的样本匹配度。

本申请还提供一种样本匹配度计算优化装置，所述样本匹配度计算优化装置为虚拟装置，且所述样本匹配度计算优化装置应用于第一设备，所述样本匹配度计算优化装置包括：

映射模块，用于获取各第一本地样本ID，并将各所述第一本地样本ID对应的第一哈希值映射至预设取值区间，获得各所述第一本地样本ID对应的第一哈希映射值；