(19)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 202211245847.7 (22)申请日 2022.10.12 (71)申请人 抖音视界有限公司 地址 100041 北京市石景山区实兴大街3 0 号院3号楼 2层B-0035房间 (72)发明人 葛政强　 (74)专利代理 机构 北京世辉律师事务所 16 093 专利代理师 王俊 (51)Int.Cl. G06N 20/00(2019.01) G06F 21/60(2013.01) G06F 21/62(2013.01) (54)发明名称 基于联邦学习的预测方法和装置 (57)摘要 根据本公开的实施例， 提供了一种基于联邦 学习的预测方法、 装置、 电子设备和计算机存储 介质。 在此描述的方法包括： 基于树模型的本地 参数信息处理输入数据， 确定第一预测信息； 获 取第二预测 信息， 第二预测信息是通过基于树模 型的远程参数信息处理输入数据而生成的； 以及 基于第一预测 信息和第二预测信息， 确定针对输 入数据的预测结果。 基于以上的方式， 本公开的 实施例能够有效地减少联邦学习中不同处理方 之间的数据通信开销， 从而提高处 理效率。 权利要求书2页 说明书10页 附图3页 CN 115526337 A 2022.12.27 CN 115526337 A 1.一种基于联邦学习的预测方法， 包括： 基于树模型的本地参数信息处理输入数据， 确定第一预测信息， 所述第一预测信息至 少指示所述树模型的多个候选输出中的第一组输出， 所述第一组输出基于所述本地参数信 息而被确定为与所述输入数据不匹配； 获取第二预测信 息， 所述第 二预测信 息是通过基于所述树模型的远程参数信 息处理所 述输入数据而生成的， 所述第二预测信息至少指示所述树模型的所述多个候选输出中的第 二组输出， 所述第二组输出基于所述远程参数信息而被确定为与所述输入数据不匹配； 以 及 基于所述第一预测信息和所述第二预测信息， 确定针对所述输入数据的预测结果。 2.根据权利要求1所述的方法， 其中确定第一预测信息包括： 基于所述树模型的所述本地参数信 息和所述输入数据， 确定与 所述树模型相关联的可 能遍历路径； 以及 基于所述可能遍历路径， 确定所述第一预测信息 。 3.根据权利要求2所述的方法， 其中确定所述 树模型的可能遍历路径包括： 针对所述 树模型中的第一节点： 响应于所述第 一节点的节点参数已知， 基于所述输入数据和所述节点参数的比较确定 与所述第一节点相关联的遍历方向； 以及 响应于所述第 一节点的所述节点参数未知， 将与 所述第一节点相关联的全部方向确定 为与所述第一节点相关联的可能遍历方向。 4.根据权利要求1所述的方法， 其中确定第一预测信息包括： 基于所述本地参数信息， 确定与所述树模型相关联的多个节点相关联的节点特征向 量， 所述多个节点包括多个叶子节点和多个非 叶子节点， 所述特征向量指示所述多个节点 中各节点 根据所述输入数据而被遍历的可能性； 基于所述节点特 征向量， 确定与所述多个叶子节点对应的初始特 征向量； 基于所述节点特征向量中与 所述多个叶子节点的至少一个上级节点对应的值， 更新所 述初始特 征向量； 以及 基于经更新的初始特 征向量， 确定所述第一预测信息 。 5.根据权利要求4所述的方法， 其中基于所述本地参数信息确定与所述树模型相关联 的多个节点相关联的节点特 征向量包括： 针对所述多个节点中的第二节点： 响应于所述第 二节点的父节点的节点参数未知， 将所述节点特征向量中与 所述第二节 点对应的值设置为预定值， 以指示所述第二节点可能被遍历； 以及 响应于所述第 二节点的所述父节点的所述节点参数已知， 基于所述输入数据与所述节 点参数的比较， 确定所述节点特征向量中与所述第二节点对应的值， 以指示所述第二节点 根据所述输入数据是否被遍历。 6.根据权利要求 4所述的方法， 其中更新所述初始特 征向量包括： 针对所述多个叶子节点中的目标叶子节点： 基于所述节点特征向量， 确定所述目标叶子节点的至少一个上级节点中包括被确定为 不被遍历的非叶子节点； 以及权　利　要　求　书 1/2 页 2 CN 115526337 A 2更新所述初始特 征向量， 以指示所述目标叶子节点与所述输入数据不匹配。 7.根据权利要求 4所述的方法， 其中更新所述初始特 征向量包括： 基于所述节点特征向量， 确定与 所述多个叶子节点的至少一层上级节点对应的至少一 个上级特 征向量； 以及 基于所述至少一个上级特 征向量， 更新所述初始特 征向量。 8.根据权利要求1所述的方法， 其中确定针对所述输入数据的预测结果包括： 利用秘密共享乘法处理所述第二预测信息和本地标签向量， 确定第一乘积， 所述本地 标签向量指示所述多个候选 输出中本地管理的部分； 获取第二乘积， 所述第 二乘积是利用秘密共享乘法处理所述第 一预测信 息和远程标签 向量所确定的， 所述远程标签向量指示所述多个候选 输出中远程管理的部分； 以及 利用秘密共享加法处理所述第 一乘积和所述第 二乘积， 确定针对所述输入数据的预测 结果。 9.根据权利要求1所述的方法， 还 包括： 确定针对一组输入数据的一组预测结果； 以及 基于对所述 一组预测结果的排序， 提供 所述一组预测结果中的部分预测结果。 10.一种基于联邦学习的预测装置， 包括： 确定模块， 被配置为基于树模型的本地参数信 息处理输入数据， 确定第 一预测信 息， 所 述第一预测信息至少指示所述树模型的多个候选输出中的第一组输出， 所述第一组输出基 于所述本地 参数信息而被确定为与所述输入数据不匹配； 获取模块， 被配置为获取第二预测信息， 所述第二预测信息是通过基于所述树模型的 远程参数信息处理所述输入数据而生成的， 所述第二预测信息至少指示所述树模型的所述 多个候选输出中的第二组输出， 所述第二组输出基于所述远程参数信息而被确定为与所述 输入数据不匹配； 以及 预测模块， 被配置为基于所述第一预测信息和所述第二预测信息， 确定针对所述输入 数据的预测结果。 11.一种电子设备， 包括： 至少一个处 理单元； 以及 至少一个存储器， 所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于 由所述至少一个处理单元执行的指 令， 所述指 令在由所述至少一个处理单元执行时使 所述 设备执行根据权利要求1至9中任一项所述的方法。 12.一种计算机可读存储介质， 其上存储有计算机程序， 所述计算机程序被处理器执行 以实现根据权利要求1至9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115526337 A 3