【技术实现步骤摘要】
本专利技术涉及数据补全，特别是涉及一种基于轻量化联邦图学习的数据补全方法和装置。
技术介绍
1、作为人工智能与机器学习领域的核心技术之一，联邦学习致力于解决数据孤岛问题，保障数据隐私与安全，同时实现高效、精确的机器学习模型训练。更确切地说，联邦学习是一种融合了隐私保护与安全加密技术的分布式机器学习架构，其目的在于允许多个参与方在不暴露个体隐私数据的前提下，共同参与模型训练。其设计宗旨是在确保数据隐私与法律合规的前提下，促进多个参与方(计算节点)协同学习，以达到更优的全局模型。
2、在不同用户端所拥有的多样化数据源中，数据格式与质量可能存在显著差异，这会影响联邦学习的效能，导致模型训练效果不佳，降低了模型的预测精度。因此，处理不同用户端数据所有者在数据格式、数据质量以及图结构方面的差异，成为了一个主要的挑战。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在模型的预测精度低的需求技术问题，特别创新地提出了一种基于轻量化联邦图学习的数据补全方法和装置。
2、为了实...
【技术保护点】
1.一种基于轻量化联邦图学习的数据补全方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于轻量化联邦图学习的数据补全方法，其特征在于，在步骤S5中利用注意力机制获取该用户最相关的k个邻居用户包括：
3.如权利要求2所述的一种基于轻量化联邦图学习的数据补全方法，其特征在于，获得注意力分数最高的前k个邻居用户的表达式为：
4.如权利要求1所述的一种基于轻量化联邦图学习的数据补全方法，其特征在于，在步骤S5中在将用户的数据信息和邻居信息进行聚合的同时还需加入噪声，所述噪声用于保护用户隐私。
5.如权利要求1所述的一...
【技术特征摘要】
1.一种基于轻量化联邦图学习的数据补全方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于轻量化联邦图学习的数据补全方法，其特征在于，在步骤s5中利用注意力机制获取该用户最相关的k个邻居用户包括：
3.如权利要求2所述的一种基于轻量化联邦图学习的数据补全方法，其特征在于，获得注意力分数最高的前k个邻居用户的表达式为：
4.如权利要求1所述的一种基于轻量化联邦图学习的数据补全方法，其特征在于，在步骤s5中在将用户的数据信息和邻居信息进行聚合的同时还需加入噪声，所述噪声用于保护用户隐私。
5.如权利要求1所述的一种基于轻量化联邦图学习的数据补全方法，其特征在于，在步骤...
【专利技术属性】
技术研发人员：周吉祥，周鸿琳，钱森，刘林，邓世婷，
申请(专利权)人：重庆守愚科技有限公司，
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。