[发明专利]基于联邦学习的数据匹配方法和装置

权利要求书

1.一种基于联邦学习的数据匹配方法，其特征在于，包括：

分别计算第一数据集对应的第一数据标签和多个第二数据集对应的多个第二数据标签之间的相似度，生成多个标签匹配度；

分别计算所述第一数据集对应的第一数据特征集和所述多个第二数据集对应的多个第二数据特征集之间的相似度，生成多个数据内容匹配度；

基于所述第一数据集与同一所述第二数据集之间的所述标签匹配度和所述数据内容匹配度，从所述多个第二数据集中确定目标数据集作为所述第一数据集的联邦匹配数据。

2.根据权利要求1所述的基于联邦学习的数据匹配方法，其特征在于，所述基于所述第一数据集与同一所述第二数据集之间的所述标签匹配度和所述数据内容匹配度，从所述多个第二数据集中确定目标数据集作为所述第一数据集的联邦匹配数据，包括：

基于所述第一数据集与同一所述第二数据集之间的所述标签匹配度和所述数据内容匹配度，生成综合匹配度；

对所述综合匹配度进行降序排序，将排序靠前的目标数量个所述综合匹配度所对应的所述第二数据集确定为所述目标数据集；

或者，对所述综合匹配度进行升序排序，将排序靠后的目标数量个所述综合匹配度所对应的所述第二数据集确定为所述目标数据集。

3.根据权利要求2所述的基于联邦学习的数据匹配方法，其特征在于，所述基于所述第一数据集与同一所述第二数据集之间的所述标签匹配度和所述数据内容匹配度，生成综合匹配度，包括：

获取所述标签匹配度对应的目标第一权重值、所述数据内容匹配度对应的目标第二权重值以及目标评价分数；

分别对所述标签匹配度和所述数据内容匹配度进行归一化处理，生成归一化标签匹配度和归一化数据内容匹配度；

基于所述归一化标签匹配度、所述归一化数据内容匹配度、所述目标第一权重值、所述目标第二权重值以及所述目标评价分数，生成所述综合匹配度。

4.根据权利要求1-3任一项所述的基于联邦学习的数据匹配方法，其特征在于，所述分别计算第一数据集对应的第一数据标签和多个第二数据集对应的多个第二数据标签之间的相似度，生成多个标签匹配度，包括：

对所述第一数据标签和所述第二数据标签进行余弦相似度计算，生成所述第一数据集与所述第二数据集之间的所述标签匹配度。

5.根据权利要求1-3任一项所述的基于联邦学习的数据匹配方法，其特征在于，所述分别计算所述第一数据集对应的第一数据特征集和所述多个第二数据集对应的多个第二数据特征集之间的相似度，生成多个数据内容匹配度，包括：

对所述第一数据特征集和所述第二数据特征集进行隐私集合求交，获取所述第一数据特征集与所述第二数据特征集中的相同数据占所述第一数据特征集的第一比值；

基于所述第一比值和所述第二数据特征集的数据质量信息，生成所述第一数据特征集与所述第二数据特征集之间的所述数据内容匹配度。

6.根据权利要求5所述的基于联邦学习的数据匹配方法，其特征在于，所述第二数据特征集的数据质量信息包括：缺失数据占所述第二数据特征集的第二比值、异常数据占所述第二数据特征集的第三比值以及错误数据占所述第二数据特征集的第四比值中的至少一种。

7.一种基于联邦学习的数据匹配装置，其特征在于，包括：

第一处理模块，用于分别计算第一数据集对应的第一数据标签和多个第二数据集对应的多个第二数据标签之间的相似度，生成多个标签匹配度；

第二处理模块，用于分别计算所述第一数据集对应的第一数据特征集和所述多个第二数据集对应的多个第二数据特征集之间的相似度，生成多个数据内容匹配度；

第三处理模块，用于基于所述第一数据集与同一所述第二数据集之间的所述标签匹配度和所述数据内容匹配度，从所述多个第二数据集中确定目标数据集作为所述第一数据集的联邦匹配数据。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于联邦学习的数据匹配方法。