买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京大学

摘要：本发明公开了一种支持动态增加和删除用户数据的机器学习模型的实现方法，包括步骤1，服务器端的数据收集；步骤2，对用户数据集进行划分，得到一系列相互独立的数据子集，且每条用户数据只会存储于一个数据子集中；步骤3，通过子模型对划分得到的所述数据子集进行训练，采用集成模型将训练后的子模型进行组合推理；步骤4，响应用户的数据更新请求，实现对新增用户数据的增量学习；步骤5，响应用户的数据删除请求，实现对用户数据的遗忘。本发明可以对任意数量的用户数据进行机器学习，且能够实现准确的模型推理结果。

主权项：1.一种支持动态增加和删除用户数据的机器学习模型的实现方法，其特征在于包括如下步骤：步骤1，服务器端的数据收集；所述数据收集包括由相关的公开数据集以及服务器预先收集的数据组成的辅助数据集和用户上传的用户数据；步骤2，服务器对用户数据集进行划分，得到一系列相互独立的数据子集，且每条用户数据只会存储于一个数据子集中；步骤3，服务器通过子模型对划分得到的所述数据子集进行训练，通过集成模型将训练后的子模型进行组合推理；步骤4，服务器响应用户的数据更新请求，实现对新增用户数据的增量学习；所述用户的数据更新请求包括用户与服务器进行交互，并上传自己的私有数据，请求服务器学习新上传的数据；步骤5，服务器响应用户的数据删除请求，实现对现存用户数据的机器遗忘；所述用户的数据删除请求包括用户与服务器进行交互，并上传自己的身份标识，请求服务器删除该身份标识下的全部数据，并在机器学习模型中去除此部分数据的训练参数；所述步骤3的模型训练过程包括子模型的训练和集成模型的训练，其中子模型的训练过程包括使用机器学习算法对一个数据子集和辅助数据集进行训练，对每个数据子集执行训练算法以得到相应的子模型；集成模型的训练过程包括使用机器学习算法，使用全部的子模型和全部数据集，训练得到集成模型；所述步骤3具体步骤包括：步骤301，初始化一个子模型的列表，用于保存各个子模型的参数；步骤302，设定子模型训练的基本结构与对应的超参数，包括模型训练轮次N，模型的学习率lr，模型的损失函数L；步骤303，对于第j个模型，初始化一个单独的模型参数，记作Wj；步骤304，使用划分得到的第j个数据子集以及服务器保存的辅助数据集Do，作为当前模型的训练集合；步骤305，根据模型的超参数，使用对应的学习率lr对模型训练N次，每轮训练中使用损失函数更新模型的参数，也即 步骤306，使用j＝1到j＝m，重复步骤303到步骤305，并保存对应的Wj到子模型的列表中，得到全部子集所对应的子模型；步骤307，设定集成模型训练的基本结构，与对应的超参数，包括模型训练轮次N，模型的学习率lr，模型的损失函数L；步骤308，初始化集成模型的参数，记作E；步骤309，使用全部用户数据集Du与辅助数据集Do，作为集成模型的原始训练集；步骤310，根据集成模型的超参数，使用对应的学习率lr对集成模型训练N次，每轮训练中使用损失函数更新模型的参数，即其中W1x,…,Wmx表示子模型对输入数据x的计算结果；步骤311，保存集成模型的参数，结束模型的训练过程；步骤312，使用上述的子模型和集成模型，实现对未知数据的推理；模型的推理过程可表示为EW1x,…,Wmx，也即首先使用全部子模型对输入数据进行计算，然后将全部的计算结果输入到集成模型中进行聚合，由集成模型输出最终的推理结果。

全文数据：

权利要求：

百度查询： 南京大学 一种支持动态增加和删除用户数据的机器学习模型的实现方法