欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021113204492
申请人: 浙江师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种联邦教育知识图谱补全方法,其特征在于,包括以下步骤:将全局教育知识图谱补全模型中满足预设要求的节点分为训练节点和对抗委员会节点;

获取所述训练节点对应所述全局教育知识图谱补全模型中的第一权重;

根据所述第一权重对本地教育知识图谱补全模型训练,更新所述本地教育知识图谱补全模型的权重,得到所述本地教育知识图谱补全模型的第二权重;

将所述第二权重传递到所述对抗委员会节点;

确定所述对抗委员会节点对所述第二权重验证通过,将所述第二权重上传至区块链上;

确定所述区块链上的所述第二权重的个数大于预设值,触发所述全局教育知识图谱补全模型的权重聚合步骤,更新所述全局教育知识图谱补全模型的权重,得到所述全局教育知识图谱补全模型的第三权重;

将所述第三权重上传至所述区块链;

确定所述全局教育知识图谱补全模型的第三权重的变化值小于阈值,对所述全局教育知识图谱补全模型进行保存。

2.根据权利要求1所述的联邦教育知识图谱补全方法,其特征在于,所述方法还包括以下步骤:确定所述全局教育知识图谱补全模型的第三权重变化值大于阈值,根据选举规则重新选举所述对抗委员会节点和所述训练节点,进行新一轮的训练。

3.根据权利要求1所述的联邦教育知识图谱补全方法,其特征在于,所述对抗委员会节点包括优先委员会节点和随机委员会节点,所述优先委员会节点和所述随机委员会节点采用相同的方式对训练节点的可信支持程度进行评分。

4.根据权利要求1所述的联邦教育知识图谱补全方法,其特征在于,所述将所述第二权重传递到所述对抗委员会节点,包括以下步骤:将所述第二权重传递到外部储存器进行储存,所述外部储存器生成所述第二权重的权重地址;

将所述权重地址上传至所述对抗委员会节点,所述对抗委员会节点根据所述权重地址获取所述第二权重。

5.根据权利要求4所述的联邦教育知识图谱补全方法,其特征在于,所述外部储存器包括FastDFS,所述FastDFS用于存储所述第二权重,所述区块链存储所述FastDFA存储的所述第二权重的权重地址。

6.根据权利要求1所述的联邦教育知识图谱补全方法,其特征在于,所述区块链包括本地更新区块和全局模型区块,所述本地更新区块用于记录所述本地更新块的数量和本地教育知识图谱补全模型更新的权重地址,所述全局模型区块用于记录训练的轮次以及所述全局教育知识图谱补全模型的权重地址。

7.根据权利要求3所述的联邦教育知识图谱补全方法,其特征在于,所述对抗委员会节点包括优先委员会节点和随机委员会节点,所述优先委员会节点和所述随机委员会节点采用相同的方式对训练节点的可信支持程度进行评分,还包括:所述优先委员会节点采用优先选举制度,选取所述优先委员会节点以可信支持得分优先;

所述随机委员会节点从上一轮的训练节点随机抽取。

8.根据权利要求1所述的联邦教育知识图谱补全方法,其特征在于,所述根据所述第一权重对本地教育知识图谱补全模型训练包括全局关系学习和本地节点感知强化;

所述全局关系学习通过联邦平均算法进行全局计算,训练全局教育知识图谱补全模型;

所述本地节点感知强化采用补全模型,并利用本地节点嵌入信息以及关系路径,进行本地节点感知个性化增强。

9.一种联邦教育知识图谱补全设备,其特征在于,包括:

至少一个处理器;

至少一个存储器,用于存储至少一个程序;

当所述至少一个程序被所述至少一个处理器执行,使得至少一个所述处理器实现如权利要求1至8任一项所述的联邦教育知识图谱补全方法。

10.一种计算机存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1至8任一项所述的联邦教育知识图谱补全方法。