(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 202111590174.4 (22)申请日 2021.12.23 (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 杨程屹　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 杨波 (51)Int.Cl. G06N 20/00(2019.01) G06F 17/18(2006.01) (54)发明名称 联合学习的贡献值计算方法、 装置、 电子设 备及存储介质 (57)摘要 本公开提供了一种联合学习的贡献值计算 方法、 装置、 电子设备及存储介质。 该方法包括： 基于联合学习中的参与方生 成多个参与方组， 确 定每个参与方组对应的组合模型； 获取第一标准 验证集， 对第一标准验证集中的样 本数据进行抽 取生成第二标准验证集； 利用第二标准验证集对 组合模型进行模 型推演， 得到组合模 型对应的预 估效用值； 基于组合模型的预估效用值， 计算每 个参与方对应的第一边际效用值， 利用阈值对第 一边际效用值进行判断， 根据判断结果确定参与 方对应的第二边际效用值； 将第二边际效用值作 为参与方的实际边际效用值， 计算参与方在联合 学习中的贡献值。 本公开能够降低模 型推演的耗 时， 提升模型推演及联合学习贡献值的计算效 率。 权利要求书2页 说明书9页 附图3页 CN 114298320 A 2022.04.08 CN 114298320 A 1.一种联合学习的贡献值计算方法， 其特 征在于， 包括： 确定联合学习中的参与方， 基于所述参与方生成多个参与方组， 并确定每个所述参与 方组对应的组合模型； 获取预先配置的第一标准验证集， 对所述第一标准验证集中的样本数据进行抽取， 根 据抽取出的样本数据生成第二标准验证集； 利用所述第 二标准验证集对所述组合模型进行模型推演， 以便对所述组合模型的效用 函数进行 预测， 得到所述组合模型对应的预估效用值； 基于所述组合模型的预估 效用值， 计算所述参与方组中每个参与 方对应的第 一边际效 用值， 利用阈值对所述第一边际效用值进行判断， 根据判断结果确定所述参与方对应的第 二边际效用值； 将所述第二边际效用值作为所述参与 方的实际边际效用值， 并基于所述实际边际效用 值计算所述 参与方在联合学习中的贡献值。 2.根据权利要求1所述的方法， 其特征在于， 所述确定联合学习中的参与方， 基于所述 参与方生成多个参与方组， 并确定每 个所述参与方组对应的组合模型， 包括： 获取所述联合学习中的全部参与方， 按照预设的方式对所述全部参与方进行排列组 合， 得到多个所述 参与方组； 确定每个所述参与 方组中的参与 方对应的联合模型， 对同一所述参与方组的参与 方所 对应的联合模型 执行聚合操作， 得到所述 参与方组对应的组合模型。 3.根据权利要求1所述的方法， 其特征在于， 所述获取预先配置的第一标准验证集， 对 所述第一标准验证集中的样本数据进行抽取， 根据抽取出的样本数据生成第二标准验证 集， 包括： 获取所述第 一标准验证集， 采用随机抽 样的方式从所述第 一标准验证集中抽取预设数 量的样本数据， 利用抽取 出的所述预设数量的样本数据， 构造出 所述第二标准验证集； 其中， 所述第一标准验证集中包含全量的样本数据， 所述第二标准验证集中包含随机 抽样得到的样本数据。 4.根据权利要求3所述的方法， 其特征在于， 所述利用所述第 二标准验证集对所述组合 模型进行模型推演， 以便对所述组合模型 的效用函数进行预测， 得到所述组合模型对应的 预估效用值， 包括： 将所述第二标准验证集中的样本数据作为所述组合模型的参数， 利用所述组合模型对 所述参数执行运算操作， 得到所述组合模型的预测结果； 将所述预测结果与 所述样本数据中的实际结果进行比较， 以确定所述组合模型的预估 效用值， 其中， 所述预估效用值用于作为评价所述组合模型性能的指标 数据。 5.根据权利要求1所述的方法， 其特征在于， 所述基于所述组合模型的预估效用值， 计 算所述参与方组中每 个参与方对应的第一 边际效用值， 包括： 确定与所述组合模型相对应的所述参与方组， 根据所述组合模型的预估效用值， 计算 所述参与方组中每 个参与方加入所述 参与方组时产生的第一 边际效用值。 6.根据权利要求1所述的方法， 其特征在于， 所述利用阈值对所述第 一边际效用值进行 判断， 根据判断结果确定所述 参与方对应的第二 边际效用值， 包括： 将每个所述参与 方的第一边际效用值与 所述阈值进行比较， 当所述参与 方的第一边际权　利　要　求　书 1/2 页 2 CN 114298320 A 2效用值大于或等于所述阈值时， 利用所述第一标准验证集重新对所述参与方 组对应的组合 模型进行模型推演， 并计算所述参与方加入所述参与方组时产生的第二边际效用值； 当所 述参与方的第一边际效用值小于所述阈值时， 将所述参与方的第二边际效用值设置为固定 值。 7.根据权利要求6所述的方法， 其特征在于， 所述将所述第 二边际效用值作为所述参与 方的实际边 际效用值， 并基于所述实际边 际效用值计算所述参与方在联合学习中的贡献 值， 包括： 根据计算得到的每个所述参与 方对应的实际边际效用值， 利用预设的沙普利值计算公 式， 计算每个所述参与方对应的贡献值， 其中， 所述贡献值用于表示所述参与方在所述联合 学习中对联合模型训练的贡献度。 8.一种联合学习的贡献值计算装置， 其特 征在于， 包括： 确定模块， 被配置为确定联合学习中的参与方， 基于所述参与 方生成多个参与 方组， 并 确定每个所述参与方组对应的组合模型； 抽取模块， 被配置为获取预先配置的第一标准验证集， 对所述第一标准验证集中的样 本数据进行抽取， 根据抽取 出的样本数据生成第二标准验证集； 预测模块， 被配置为利用所述第二标准验证集对所述组合模型进行模型推演， 以便对 所述组合模型的效用函数进行 预测， 得到所述组合模型对应的预估效用值； 判断模块， 被配置为基于所述组合模型的预估效用值， 计算所述参与方组中每个参与 方对应的第一边际效用值， 利用阈值对所述第一边际效用值进行判断， 根据判断结果确定 所述参与方对应的第二 边际效用值； 计算模块， 被配置为将所述第二边际效用值作为所述参与方的实 际边际效用值， 并基 于所述实际边际效用值计算所述 参与方在联合学习中的贡献值。 9.一种电子设备， 包括存储器， 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 所述处 理器执行所述程序时实现如权利要求1至7中任一项所述的方法。 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中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114298320 A 3