基于联邦学习系统的公平性和鲁棒性评估方法及装置

    公开(公告)号:CN119988165A

    公开(公告)日:2025-05-13

    申请号:CN202510054322.2

    申请日:2025-01-14

    Abstract: 本发明公开了基于联邦学习系统的公平性和鲁棒性评估方法及装置,包括:中央服务器向客户端集合发布全局模型,正常客户端对全局模型进行训练,生成本地模型参数;测试客户端对全局模型进行扰动,构建扰动模型,通过双层投影机制对扰动模型进行优化,得到扰动模型参数;中央服务器对本地模型参数和扰动模型参数进行聚合,对本地模型参数进行聚合,得到第一全局模型和第二全局模型,进行若干通信轮次的模型发布、模型参数聚合过程,对单通信轮次或若干通信轮次后的第一全局模型和第二全局模型进行评价,得到公平性和鲁棒性评估结果。通过上述技术方案,本发明对联邦学习系统提供更有效的公平和鲁棒性能评估,保障全局模型在不同任务环境中的准确率。

    一种评论评分的预测方法、装置、电子设备及存储介质

    公开(公告)号:CN115879669A

    公开(公告)日:2023-03-31

    申请号:CN202211515339.6

    申请日:2022-11-30

    Applicant: 暨南大学

    Abstract: 本发明公开了一种评论评分的预测方法、装置、电子设备及存储介质,方法包括:获取用户数据、产品数据及评论向量,并分别确定上述三种数据的隐含向量,隐含向量可以包含用户、产品及评论三者之间的关联关系,将三个隐含向量拼接并输入到以标注有训练评论评分的训练拼接向量作为训练数据训练得到预测模型,预测模型中输出结果前先将拼接向量经过ReLU激活函数,最后经过Softmax激活函数,从而预测模型可以综合评论文本、用户、产品三个维度对评论评分的影响,得到对评论文本的真实性评分。基于预测得到的评论真实性评分,使得旅游者能从繁多的评论中获取有参考价值的信息,避免被虚假评论误导,本发明可以广泛应用于评论评分预测领域。

Patent Agency Ranking