基于链式的多标签联邦学习方法、控制器和介质

摘要

本发明涉及一种基于链式的多标签联邦学习方法、控制器和介质，所述方法包括步骤S1、获取n个数据持有方中每一数据持有方对应的训练数据集；步骤S2、基于所述n个数据持有方的用户标签生成标签排序；步骤S3、以{X1，X2，...，Xn}U{Yt(m)|m＜j，m＝1，2，...n}作为预测子模型Mt(j)的输入数据，以预测标签Yt(j)作为预测子模型Mt(j)的输出数据，进行纵向联邦学习训练，并行训练生成预测子模型Mt(j)；步骤S4、待测用户的特征为{x1，x2，...，xn}，将{x1，x2，...，xn}U{yt(m)|m＜j，m＝1，2，...n}作为Mt(j)输入，按照标签排序依次执行各个预测子模型Mt(j)的预测任务，生成所述待测用户所有标签{yt(1)，yt(2)，...，yt(n)}，yt(j)表示待测用户对应于第t(j)个标签的预测值。本发明基于多标签之间的相互关系进行联邦学习，提高了模型精度。