【技术实现步骤摘要】
缺失补全方法、装置、节点设备和计算机可读存储介质
[0001]本申请涉及人工智能
,特别是涉及一种缺失补全方法、装置、节点设备和计算机可读存储介质。
技术介绍
[0002]随着《网络安全法》、《数据安全法》、《个人信息保护法》的陆续出台,我国在数据安全和个人信息保护领域已形成较为完备的法律规范体系。越来越多的数据因为隐私等原因不再能出本地,导致数据采集越来越困难,且会出现大量缺失值。
技术实现思路
[0003]本申请主要解决的技术问题是提供一种缺失补全方法、装置、节点设备和计算机可读存储介质,能够提高缺失补全的精准度。
[0004]为了解决上述技术问题,本申请第一方面提供了一种缺失补全方法,该方法包括:基于节点设备本地的样本时序数据和联邦指定模型进行纵向联邦学习,得到联邦目标模型;其中,样本时序数据中样本时间位置上标注有是否屏蔽数值;基于联邦学习系统中节点设备的联邦目标模型进行联邦填充,得到节点设备用于对时序数据进行缺失补全的初始生成器;基于初始生成器和样本时序数据在缺失补全任务上进行生成对抗训练,得到节点设备的目标判别器和目标生成器;基于目标生成器对测试时序数据进行缺失补全,得到测试补全数据,并基于目标判别器对测试补全数据的第一判别结果,确定是否将目标生成器作为节点设备的缺失补全模型。
[0005]为了解决上述技术问题,本申请第二方面提供了一种缺失补全装置,该装置包括联邦学习模块、联邦填充模块、生成对抗模块和补全测试模块;联邦学习模块用于基于节点设备本地的样本时序数据和联邦指定 ...
【技术保护点】
【技术特征摘要】
1.一种缺失补全方法,其特征在于,包括:基于节点设备本地的样本时序数据和联邦指定模型进行纵向联邦学习,得到联邦目标模型;其中,所述样本时序数据中样本时间位置上标注有是否屏蔽数值;基于所述联邦学习系统中所述节点设备的联邦目标模型进行联邦填充,得到所述节点设备用于对时序数据进行缺失补全的初始生成器;基于所述初始生成器和所述样本时序数据在缺失补全任务上进行生成对抗训练,得到所述节点设备的目标判别器和目标生成器;基于所述目标生成器对测试时序数据进行缺失补全,得到测试补全数据,并基于所述目标判别器对测试补全数据的第一判别结果,确定是否将所述目标生成器作为所述节点设备的缺失补全模型。2.根据权利要求1所述的方法,其特征在于,在确定不能将所述目标生成器作为所述缺失补全模型的情况下,在所述基于所述目标判别器对测试补全数据的第一判别结果,确定是否将所述目标生成器作为所述节点设备的缺失补全模型之后,所述方法还包括:将所述联邦目标模型作为新的联邦指定模型;基于所述新的联邦指定模型,重新执行所述基于节点设备本地的样本时序数据和联邦指定模型进行纵向联邦学习,得到联邦目标模型的步骤以及后续步骤,直至确定将最新训练的目标生成器作为所述缺失补全模型为止。3.根据权利要求1所述的方法,其特征在于,所述测试时序数据中测试时间位置上标注有是否屏蔽数值,所述第一判别结果至少包括所述测试补全数据在标注屏蔽数值的测试时间位置上的补全数值经所述判别器判别为假的第一概率值,所述基于所述目标判别器对测试补全数据的第一判别结果,确定是否将所述目标生成器作为所述节点设备的缺失补全模型,包括以下至少一者:响应于所述第一概率值之和大于预设阈值,确定不能将所述目标生成器作为所述缺失补全模型;响应于所述第一概率值之和不大于所述预设阈值,确定将所述目标生成器作为所述缺失补全模型。4.根据权利要求1或3所述的方法,其特征在于,在所述基于所述目标生成器对测试时序数据进行缺失补全,得到测试补全数据之后,以及在所述基于所述目标判别器对测试补全数据的第一判别结果,确定是否将所述目标生成器作为所述节点设备的缺失补全模型之前,所述方法还包括:基于所述测试时序数据中标注屏蔽数值的测试时间位置,生成测试提示数据;其中,所述测试提示数据中提示有所述测试时间位置上屏蔽数值的概率值;所述目标判别器对测试补全数据的第一判别结果的获取步骤,包括:基于所述测试提示数据利用所述目标判别器对所述测试补全数据进行判别,得到所述第一判别结果。5.根据权利要求4所述的方法,其特征在于,所述基于所述测试时序数据中标注屏蔽数值的测试时间位置,生成测试提示数据,包括:选择所述测试时序数据中标注屏蔽数值的至少一个测试时间位置,作为第一测试位置,并选择所述测试时序数据中未标注屏蔽数值的至少一个测试时间位置,作为第二测试
位置;在所述第一测试位置之外标注屏蔽数值的测试时间位置填充第一数值,并在所述第二测试位置之外标注未屏蔽数值的测试位...
【专利技术属性】
技术研发人员:戴俊,陈巍,汪晶,贺茂华,
申请(专利权)人:讯飞华中武汉有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。