[发明专利]基于联邦强化学习的随访监测方法、装置及相关设备

说明书

本申请涉及人工智能技术，提供一种基于联邦强化学习的随访监测方法、装置、计算机设备与存储介质，包括：获取远端服务器中的初始随访监测模型以及聚类簇；根据随访数据训练初始随访监测模型，得到第一随访监测模型；加密处理第一随访监测模型的第一模型参数，得到加密第一模型参数集；将加密第一模型参数集输出至远端服务器中加权，得到第二模型参数；接收远端服务器输出的第二模型参数，加权第一模型参数与第二模型参数，得到目标模型参数；根据目标模型参数更新第一随访监测模型，得到目标随访监测模型；调用目标随访监测模型处理目标用户的随访数据，得到随访监测路径。本申请能够提高随访监测的准确性，促进智慧城市的快速发展。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于联邦强化学习的随访监测方法、装置、计算机设备及介质。

背景技术

近来，人工智能技术在慢病管理中的应用有了长足发展。在慢病管理场景中，最大的矛盾莫过于有效的医护资源与巨量的患者随访需求之间的平衡。就目前而言，最优的策略优化方案是通过采集到的海量数据构建强化学习模型，通过强化学习模型自动分配医护资源用于需要医护资源介入干预的随访患者中。

在实现本申请的过程中，发明人发现现有技术存在如下技术问题：由于不同年龄段、不同患病程度等不同条件上的患者在随访干预方案中会有不同倾向，例如，老年人更多的是希望医护人员进行介入，而不是手机端的智能无人干预。就强化学习算法而言，要完全区分出上述问题，需要极大量的随访数据样本支持。而在随访场景下，很多患者常处于安全考虑不上传自己的个人数据，导致随访数据缺失严重，使得强化学习模型的训练缺少数据支持，无法保证随访监测的准确性。

因此，有必要提供一种基于联邦强化学习的随访监测方法，能够提高随访监测的准确性。

发明内容

鉴于以上内容，有必要提出一种基于联邦强化学习的随访监测方法、基于联邦强化学习的随访监测装置、计算机设备及介质，能够提高随访监测的准确性。

本申请实施例第一方面提供一种基于联邦强化学习的随访监测方法，应用于中心服务器，所述基于联邦强化学习的随访监测方法包括：

获取远端服务器中的初始随访监测模型以及与入组用户的随访数据对应的聚类簇；

选取任一所述聚类簇作为目标聚类簇以及采集所述目标聚类簇中的所述随访数据，并根据所述随访数据训练所述初始随访监测模型，得到所述目标聚类簇对应的第一随访监测模型；

获取并加密处理每一所述第一随访监测模型的第一模型参数，得到加密第一模型参数集；

将所述加密第一模型参数集输出至所述远端服务器中进行加权处理，得到第二模型参数；

接收所述远端服务器输出的所述第二模型参数，并加权处理所述第一模型参数与所述第二模型参数，得到目标模型参数；

根据所述目标模型参数更新所述第一随访监测模型，得到目标随访监测模型；

选取目标用户，并调用所述目标随访监测模型处理所述目标用户的随访数据，得到所述目标用户对应的随访监测路径。

进一步地，在本申请实施例提供的上述基于联邦强化学习的随访监测方法中，所述采集所述目标聚类簇中的所述随访数据包括：

获取所述目标聚类簇中的入组用户编号；

确定与所述入组用户编号对应的目标用户端与目标公钥；

接收所述目标用户端输出的加密随访数据；

根据所述目标公钥解密处理所述加密随访数据，得到所述目标聚类簇对应的所述随访数据。

进一步地，在本申请实施例提供的上述基于联邦强化学习的随访监测方法中，所述加权处理所述第一模型参数与所述第二模型参数，得到目标模型参数包括：