1.一种电力数据参与数据共享计算的贡献度预测方法,其特征是,包括:
2.如权利要求1所述的电力数据参与数据共享计算的贡献度预测方法,其特征是,所述数据共享计算任务模型包括纵向联邦学习模型和基于中心节点及其周围节点连接关系构建的图神经网络模型,所述纵向联邦学习模型包括中心模型、周围模型和顶层模型,中心模型和周围模型分别提取并输出中心节点和周围节点的数据特征,顶层模型拼接所有节点的数据特征,拼接后的数据特征输入至图神经网络模型中进行数据特征更新,再通过全连接层输出每个节点的计算结果。
3.如权利要求1所述的电力数据参与数据共享计算的贡献度预测方法,其特征是,所述性能指标包括准确度、精确度、召回率和f1分数,以及包括真阳性、真阴性、假阳性、假阴性的混淆矩阵;
4.如权利要求1所述的电力数据参与数据共享计算的贡献度预测方法,其特征是,所述采用哈希和公私钥加密法,对中心节点及其周围节点的数据样本进行数据对齐处理,包括:
5.如权利要求2所述的电力数据参与数据共享计算的贡献度预测方法,其特征是,所述中心模型包括依次连接的第一线性层、第一relu激活层、第二线性层和第二relu激活层,经过数据对齐处理后的中心节点的数据输入至中心模型,中心模型提取并输出中心节点的数据特征,包括:
6.如权利要求2所述的电力数据参与数据共享计算的贡献度预测方法,其特征是,所有节点的数据特征拼接后构成数据特征矩阵,数据特征矩阵输入至图神经网络模型中进行数据特征更新,包括:
7.如权利要求2所述的电力数据参与数据共享计算的贡献度预测方法,其特征是,顶层模型拼接所有节点的数据特征,其中拼接后的数据特征为:
8.一种电力数据参与数据共享计算的贡献度预测系统,其特征是,包括:
9.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如权利要求1-7中任一项所述的一种电力数据参与数据共享计算的贡献度预测方法的步骤。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成如权利要求1-7中任一项所述的一种电力数据参与数据共享计算的贡献度预测方法的步骤。