[发明专利]一种基于汽车用户数据的联邦学习方法及系统

权利要求书

1.一种基于汽车用户数据的联邦学习方法，其特征在于，所述方法包括：

根据发起方的预设任务构建初始模型，将所述初始模型上传至中心服务器，各参与方接收中心服务器所下发的初始模型；

获取各成员方的汽车用户数据，采用所述汽车用户数据在本地训练各成员方的初始模型，获取各成员方的模型参数，所述成员方包括发起方和参与方；

获取各成员方的模型参数权重，根据所述成员方的模型参数和所述模型参数权重获取聚合模型参数；

根据所述聚合模型参数对所述中心服务器的模型参数进行更新，并根据所述中心服务器更新后的模型参数更新各成员方的模型参数。

2.根据权利要求1所述的基于汽车用户数据的联邦学习方法，其特征在于，所述获取各成员方的模型参数权重，具体包括：

获取各成员方的汽车用户数据质量，根据所述汽车用户数据质量获取质量评价参数；

根据所述预设任务获取各成员方的价值评价参数；

根据所述质量评价参数和所述价值评价参数获取各成员方的模型参数权重。

3.根据权利要求2所述的基于汽车用户数据的联邦学习方法，其特征在于，所述根据预设任务获取各成员方的价值评价参数，具体包括：

根据预设任务对各成员方的汽车用户数据进行分类，获取各成员方的价值数据；

根据所述预设任务和所述发起方的价值数据获取所述发起方的价值评价参数和各个类别价值数据的价值权重；

根据所述价值权重和所述参与方的价值数据获取所述参与方的价值评价参数。

4.根据权利要求3所述的基于汽车用户数据的联邦学习方法，其特征在于，所述根据所述预设任务和所述发起方的价值数据获取所述发起方的价值评价参数和各个类别价值数据的价值权重，具体包括：

获取所述发起方的汽车数据；

根据所述发起方的汽车数据建立价值权重确定规则；

根据所述价值权重确定规则、所述预设任务和所述发起方的价值数据获取所述发起方的价值评价参数和各个类别价值数据的价值权重。

5.根据权利要求1所述的基于汽车用户数据的联邦学习方法，其特征在于，所述汽车用户数据包括用户属性数据和用户产品数据，所述采用所述汽车用户数据在本地训练各成员方的初始模型，具体包括：

采用所述汽车用户数据在本地训练各成员方的初始模型，根据所述用户属性数据和用户产品数据的关系分析不同用户的汽车偏好，建立用于构建用户画像的目标模型。

6.根据权利要求5所述的基于汽车用户数据的联邦学习方法，其特征在于，所述方法，还包括：

获取所述成员方的目标用户数据；

根据所述目标用户数据和所述成员方的目标模型获取目标用户的汽车偏好信息；

获取所述成员方的汽车数据；

根据所述目标用户的汽车偏好和所述成员方的汽车数据获取汽车推荐方案。

7.根据权利要求5所述的基于汽车用户数据的联邦学习方法，其特征在于，所述方法，还包括：

获取所述成员方的汽车数据；

根据所述成员方的目标模型和所述成员方的汽车用户数据更新所述成员方的汽车数据。

8.一种基于汽车用户数据的联邦学习系统，其特征在于，所述系统包括：

初始模型构建模块，用于根据发起方的预设任务构建初始模型，将所述初始模型上传至中心服务器，各参与方接收中心服务器所下发的初始模型；

模型训练模块，用于获取各成员方的汽车用户数据，采用所述汽车用户数据在本地训练各成员方的初始模型，获取各成员方的模型参数，所述成员方包括发起方和参与方；

模型参数聚合模块，用于获取各成员方的模型参数权重，根据所述成员方的模型参数和所述模型参数权重获取聚合模型参数；

模型参数更新模块，用于根据所述聚合模型参数对所述中心服务器的模型参数进行更新，并根据所述中心服务器更新后的模型参数更新各成员方的模型参数。