基于双向特征嵌入的深度学习模型去偏方法[CN202110777117.0] - 浙江工业大学

专利申请

2021-07-09
公布公告

2022-10-14
授权日期

2022-10-14
终止

2032-10-11

基于双向特征嵌入的深度学习模型去偏方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN202110777117.0 申请日期： 2021-07-09 专利主类别： G06N3/08 {{ classMap["G06N3/08"] }}

申请人名称：浙江工业大学

查看申请人名下所有专利

申请人地址：浙江省杭州市下城区潮王路18号

专利分类项目

G06N3/08 : 学习方法

G06N3/04 : 体系结构，例如，互连拓扑

G06Q10/04 : 预测或优化，例如线性规划、“旅行商问题”或“下料问题”

专利注册信息

初审公告期号	2021-07-09	初审公告日期	2022-10-14
注册公告期号	2022-10-14	注册公告日期	2022-10-14
专用权期限	2022-10-14 - 2032-10-11	专利类型	发明授权
代理组织机构	杭州天勤知识产权代理有限公司查看该机构代理的所有专利

专利介绍

本发明公开了一种基于双向特征嵌入的深度学习模型去偏方法，包括：获得第一特权组样本集和第一非特权组样本集；构建双特征嵌入样本集；搭建收入预测模型，所述深度学习模型包括6层全连接网络；利用双特征嵌入样本集，在训练时，以收入判断任务的损失loss_m1，和去社会偏见损失loss_m2组成的总损失loss为最终损失；每训练一阶段，将收入预测模型输出的收入判断结果和对应的敏感性样本集通过mean difference进行测算，当mean difference计算结果满足阈值，则获得最终收入预测模型。该收入预测模型能够准确且不带有偏见的预测收入。

法律进度