基于联邦学习的模型训练方法、装置、设备及存储介质

    公开(公告)号:CN119338023A

    公开(公告)日:2025-01-21

    申请号:CN202310900504.8

    申请日:2023-07-20

    Abstract: 本申请公开了一种基于联邦学习的模型训练方法、装置、设备及存储介质,涉及计算机技术领域。该方法包括:接收至少一个子模型,所述至少一个子模型用于进行全局模型的联邦学习;基于所述至少一个子模型对输入数据的第一特征进行提取,所述输入数据是所述终端设备中用于训练所述至少一个子模型的数据;在所述第一特征中增加噪声,得到第二特征,所述噪声用于对所述第一特征进行保护;基于所述第二特征对所述至少一个子模型进行训练;向网络设备发送训练完毕的所述至少一个子模型。该方法可以对终端设备中用于训练子模型的数据进行保护,从而避免终端设备的数据隐私被泄露。

    一种基于用户线上文本以及深度学习的情绪检测方法

    公开(公告)号:CN118468876A

    公开(公告)日:2024-08-09

    申请号:CN202311658133.3

    申请日:2023-12-06

    Abstract: 本发明属于深度学习领域,公开了一种基于用户线上文本以及深度学习的情绪检测方法,该方法服务于四分类任务,由于分类标签之间语义关联较为密切,本发明从两个方面充分挖掘用户线上发布的所有文本所蕴含的信息,一方面,通过计算用户发布帖子之间情感向量的差值及相关词汇的变化大小,将其与原始文本拼接作为用户心理变化的描述,另一方面,统计用户在树洞以及非树洞论坛中发布的帖子,将其作为计算“用户含有树洞效应”特征向量的原始输入,由此分别得到基于用户心理变化以及树洞效应的特征向量,将二者拼接输入至分类层得到预测结果,以此实现较高的分类准确率。

Patent Agency Ranking