(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111574665.X (22)申请日 2021.12.21 (71)申请人 新智我来网络科技有限公司 地址 100102 北京市朝阳区望京东路1号 (72)发明人 刘嘉　李增祥　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 代理人 陈俊宏 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 30/08(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于联合学习的资源分配方法及装置 (57)摘要 本公开提供了一种基于联合学习的资源分 配方法及装置。 该方法包括： 基于联合学习架构， 根据获取多个参与方提供的资源信息， 获取模型 需求方的需求信息和模型需求方的待分配虚拟 资源数据量化值、 模型训练的参与方的学习元数 据量化值和模型训练的参与方的学习资源数据 量化值； 基于待分配虚拟资源数据量化值和学习 资源数据量化值， 确定资源评估的参与方和对应 的激励配比值； 基于资源评估的参与方的学习元 数据量化值和需求信息， 确定资源评估的参与方 的贡献量， 计算资源评估的参与方的分配资源占 比值， 并确定资源评估的参与方分配资源方案。 本公开将参与方资源输出价值和实际贡献衡量 结合起来， 从而实现对参与方提供合理的资源分 配。 权利要求书2页 说明书10页 附图5页 CN 114219338 A 2022.03.22 CN 114219338 A 1.一种基于联合学习的资源分配方法， 其特 征在于， 包括： 基于联合学习架构， 获取多个参与 方提供的资源信息， 其中所述资源信息至少包含： 模 型需求方和模型训练参与方； 根据参与 方提供的资源信 息， 获取模型需求方的需求信 息和模型需求方的待分配虚拟 资源数据量化值、 模型训练的参与方的学习元数据量化值和模型训练的参与方的学习资源 数据量化值； 基于所述待分配虚拟资源数据量化值和所述学习资源数据量化值， 确定资源评估的参 与方， 以及所述资源评估的参与方对应的激励配比值； 基于所述资源评估的参与 方的学习元数据量化值和所述需求信 息， 确定所述资源评估 的参与方的贡献量； 根据所述待分配虚拟资源数据量化值和所述贡献量， 计算资源评估的参与 方的分配资 源占比值； 基于所述激励配比值和所述分配资源占比值， 确定所述资源评估的参与 方分配资源方 案。 2.如权利要求1所述的方法， 其特征在于， 所述基于所述待分配虚拟资源数据量化值和 所述学习资源数据量化值， 确定资源评估的参与方， 以及所述资源评估的参与方对应的激 励配比值， 包括： 基于联合学习架构中的预设的筛选条件， 当所述学习元数据量化值和所述需求信 息相 匹配时， 确定初选参与方； 基于所述待分配虚拟资源数据量化值和所述学习资源数据量化值， 按照预设资源价值 评估方式， 在所述初选参与方中确定所述资源评估参与方和对应的资源 估值； 根据所述资源评估参与 方的资源估值， 计算对应的资源评估的参与 方对应的激励配比 值； 其中， 所述激励配比值大于或等于所述学习资源数据量化值， 所述资源评估的参与方 的激励配比值之和小于或等于所述待分配虚拟资源量 化值。 3.如权利要求1所述的方法， 其特征在于， 所述基于资源评估的参与 方的学习元数据量 化值和所述需求信息， 确定所述资源评估的参与方的贡献量， 包括： 根据所述资源评估的参与方反馈的模型训练结果， 对所述模型训练结果进行评估， 以 得到评估结果； 基于所述评估结果和预设 贡献量衡量， 确定所述资源评估的参与方的贡献量。 4.如权利要求3所述的方法， 其特征在于， 所述基于评估结果和预设贡献量衡量， 确定 所述资源评估的参与方的贡献量， 包括： 接收所述资源评估的参与 方返回的模型参数和/或参与训练的学习元数据的类型和数 量； 利用所述学习元数据的类型和数量、 边际效用或贡献值中的至少之一的方式确定所述 资源评估的参与方的贡献量。 5.如权利要求3所述的方法， 其特征在于， 所述基于评估结果和预设贡献量衡量， 确定 所述资源评估的参与方的贡献量， 包括： 接收所述资源评估的参与方返回的模型参数和参与训练的学习元 数据的类型和数量；权　利　要　求　书 1/2 页 2 CN 114219338 A 2对所述模型参数进行聚合得到全局模型参数， 确定联合学习模型； 分别计算所述资源评估的参与方的模型参数与所述全局模型参数的相似度； 分别预测删除各个所述资源评估的参与方对应类型和数量的学习元数据时或所述资 源评估的参与方对应的模型参数时所述联合学习模型的损失； 基于所述相似度和所述损失确定各个资源评估的参与方的贡献量。 6.如权利要求1所述的方法， 其特 征在于， 还 包括： 获取预设分配系数； 根据待分配虚拟资源和预设分配系数， 确定资源评估的参与 方的资源分配份额和贡献 资源分配份额， 所述资源分配份额大于或等于所述激励配比值之和， 贡献资源分配份额大 于或等于所述分配资源占比值之和。 7.如权利要求6所述的方法， 其特征在于， 所述需求信 息包括模型需求信 息和资源需求 信息； 所述获取 预设分配系数包括： 基于所述模型需求信息确定第一分配权重， 其中， 所述第一分配权重为用于表征学习 难易程度的系数； 基于所述资源需求信 息确定第 二分配权重， 所述第 二分配权重用于表征资源消耗程度 的系数； 基于所述第一分配权 重和所述第二分配权 重的比例确定所述预设 分配系数。 8.一种基于联合学习的资源分配装置， 其特 征在于， 包括： 第一获取模块， 用于基于联合学习架构， 获取多个参与 方提供的资源信息， 其中所述资 源信息至少包含： 模型需求方和模型训练参与方； 第二获取模块， 用于根据参与方提供的资源信息， 获取模型需求方的需求信息和模型 需求方的待分配虚拟资源数据量化值、 模型训练的参与方的学习元数据量化值和模型训练 的参与方的学习资源数据量 化值； 激励配比值确定模块， 用于基于所述待分配虚拟资源数据量化值和所述学习资源数据 量化值， 确定资源评估的参与方以及所述资源评估的参与方对应的激励配比值； 贡献量确定模块， 用于基于所述资源评估的参与方的学习元数据量化值和所述需求信 息， 确定资源评估的参与方的贡献量； 分配资源占比值确定模块， 用于根据所述待分配虚拟资源数据量化值和所述贡献量， 计算资源评估的参与方的分配资源占比值； 分配模块， 用于基于所述激励配比值和所述分配资源占比值确定所述资源评估的参与 方分配资源方案 。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并且可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114219338 A 3