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！

龙图腾网获悉上海交通大学;中国电子科技集团公司第三十研究所申请的专利一种面向跨域社交网络节点分类任务的公平联邦学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117235331B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311224985.1，技术领域涉及：G06F16/906；该发明授权一种面向跨域社交网络节点分类任务的公平联邦学习方法是由林夕;毛庆华;徐寒松;李高磊;陈黎兴;赵越设计研发完成，并于2023-09-21向国家知识产权局提交的专利申请。

本一种面向跨域社交网络节点分类任务的公平联邦学习方法在说明书摘要公布了：本发明涉及一种面向跨域社交网络节点分类任务的公平联邦学习方法，每个客户端拥有一个子图，子图中包含若干节点，其中一部分带有标签，每个客户端通过训练一个图神经网络来预测其余未知的节点标签，通过不断迭代客户端本地模型训练和服务器参数聚合两个步骤，训练得到最优全局模型并分发给客户端使用，其中，客户端本地模型训练中，客户端利用本地掌握的子图数据进行图神经网络参数的更新，同时，基于纳什议价解构建本地优化目标函数，并引入类别平衡重加权损失函数优化本地模型。与现有技术相比，本发明能够缓解不同客户端子图特征的异构分布引发的联邦学习模型在不同客户端上的不公平表现，在保证平均性能的同时有效提升了模型的公平性指标。

本发明授权一种面向跨域社交网络节点分类任务的公平联邦学习方法在权利要求书中公布了：1.一种面向跨域社交网络节点分类任务的公平联邦学习方法，其特征在于，每个客户端拥有一个子图，且无法被中心服务器和其他客户端获取，子图中包含若干节点，其中一部分带有标签，每个客户端通过训练一个图神经网络来预测其余未知的节点标签，通过不断迭代客户端本地模型训练和服务器参数聚合两个步骤，训练得到最优全局模型并分发给客户端使用， 其中，所述客户端本地模型训练具体为：当每一轮全局迭代开始时，服务器从客户端集合中随机选取一部分作为本轮训练的客户端集合，并将初始化的全局模型分发给客户端，客户端利用本地掌握的子图数据进行图神经网络参数的更新，同时，基于纳什议价解构建本地优化目标函数，并引入类别平衡重加权损失函数优化本地模型； 所述服务器参数聚合具体为：本地模型训练完成后，参与本轮训练的客户端将训练好的本地模型上传至中心服务器，服务器根据不同客户端的权重对本地模型进行加权聚合得到全局模型，聚合得到的全局模型分发给客户端用于下一轮的客户端本地模型训练； 其中，所述本地优化目标函数为： 其中，是第k个客户端的个性化效益基准，是第k个客户端的本地损失函数； 所述本地模型训练的总体的优化目标表示为： 其中，K为参与训练的客户端个数，pk表示第k个客户端本地模型的聚合权重； 所述类别平衡重加权损失函数为： 其中，C表示类别数，为类别平衡权重，β是类别重加权超参数，ny表示标签为y的样本数，γ是FocalLoss中衡量样本难易分类程度的超参数， 其中，表示线性层输出的类别logits。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学;中国电子科技集团公司第三十研究所，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。