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！

龙图腾网获悉浙江工业大学申请的专利一种面向个体公平的去偏方法和装置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：CN114970747B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202210687007.X，技术领域涉及：G06F18/10；该发明授权一种面向个体公平的去偏方法和装置是由陈晋音;陈奕芃;郑海斌;陈一鸣设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种面向个体公平的去偏方法和装置在说明书摘要公布了：本发明公开一种面向个体公平的去偏方法和装置，首先构建样本数据集并提取类别标签以及敏感属性标签，组成个体歧视样本对，构建个体公平的去偏系统，所述去偏系统包括特征提取单元、目标分类单元、歧视判别器，利用个体歧视样本对优化个体公平的去偏系统的网络参数，优化结束后组成个体公平的去偏模型，最后利用个体公平的去偏模型进行个体公平的去偏处理。用过引入歧视判别器，对个体歧视现象进行判别并进行消除，从而去偏模型能够达到相似个体有相同或相似的预测结果，不会受到敏感属性的影响。

本发明授权一种面向个体公平的去偏方法和装置在权利要求书中公布了：1.一种面向个体公平的去偏方法，其特征在于，包括以下步骤： 1构建样本数据集，并提取类别标签以及敏感属性标签，依据敏感属性标签，从样本数据集中提取敏感属性不同且其他属性相同的样本，分为第一样本和第二样本组成个体歧视样本对；将年龄作为敏感属性标签，并对敏感属性进行二值化处理，敏感属性为年龄高于50岁被编码为1，敏感属性为年龄低于50岁被编码为0；采用Adult数据集作为面向个体公平的去偏模型的样本数据集；Adult数据集用14个特征来对每个个体进行描述； 2构建个体公平的去偏系统，所述去偏系统包括特征提取单元、目标分类单元、歧视判别器；所述特征提取单元用于分别提取个体歧视样本对中第一样本第二样本的第一特征和第二特征，所述目标分类单元用于分别依据第一特征和第二特征进行特征再提取和类别预测，所述歧视判别器用于对第一特征和第二特征进行公平性判断； 所述特征提取单元采用全连接层组成的全连接神经网络； 所述目标分类单元包括：二维可分离卷积层、LSTM层、全连接层以及softmax分类器，激活函数采用ReLU； 3利用个体歧视样本对优化个体公平的去偏系统的网络参数，优化结束后，提取参数确定的特征提取单元、目标分类单元、歧视判别器组成个体公平的去偏模型；构建去偏模型用于不同年龄收入预测； 所述步骤3包括以下子步骤： 3.1将第一样本和第二样本随机划分为多个数据集； 3.2将第一样本划分好的第一数据集输入到去偏系统中进行预训练，更新特征提取单元、目标分类单元的参数，得到第一预测结果；再将第二样本划分好的第一数据集输入到去偏系统中进行预训练，更新特征提取单元、目标分类单元的参数，得到第二预测结果； 3.3采用交替训练的方法对去偏系统进行训练，即交替向去偏系统输入第一样本和第二样本所对应的多个数据集进行训练，训练批次的大小定为100，训练阶段采用预热学习率策略，采用Adam优化器进行优化，损失函数采用目标类别预测结果与类别标签的交叉熵的形式； 3.4使用歧视判别器对输入进行歧视性判别并对系统参数进行更新：将第一样本所对应的数据集经过特征提取单元所得到的第一特征与第二样本所对应的数据集经过特征提取单元所得到的第二特征输入到歧视判别器，选取的损失函数为歧视判别器的判别结果与敏感属性标签交叉熵；判别结果为歧视判别器对年龄的判别结果； 3.5优化结束后，提取参数确定的特征提取单元、目标分类单元及歧视判别器组成个体公平的去偏模型； 4利用个体公平的去偏模型进行个体公平的去偏处理：对步骤3得到的个体公平的去偏模型进行公平性测试，当测试结果中个体歧视样本数量的占比不超过总测试样本数的5%时，则完成去偏。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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。