可信度评估的抗噪异质医疗对话持续联邦

来源：电子与信息学报杂志2026年第1期北京时间：

作者：刘宇鹏, 张江, 唐诗晨, 孟鑫, 孟庆丰

单位：哈尔滨理工大学计算机科学与技术学院 哈尔滨 150006

摘要：针对异质和噪声文本，该文通过改进目标函数、聚合方式和本地更新方式等综合考虑，提出基于可信度评估的抗噪异质医疗对话联邦，增强了医疗对话联邦学习的鲁棒性。将模型训练划分为本地训练阶段和异质联邦学习阶段。在本地训练阶段，通过对称交叉熵损失缓解噪声文本问题，防止本地模型在噪声文本上过拟合。在异质联邦学习阶段，通过度量客户端文本质量进行自适应聚合模型以考虑干净，噪声(随机/非随机文本语法和语义)和异质文本。同时在本地参数更新时考虑局部和全局参数以持续自适应的更新参数，可以进一步提高抗噪和异质鲁棒性。实验结果显示，该方法在噪声和异质联邦学习场景下相比其他方法有显著提升。

关键词：可信度, 医疗对话, 噪声文本, 异质文本, 持续自适应学习

基金资助：国家自然科学基金(61300115)，中国博士后科学基金(2014m561331)，黑龙江省教育厅科学技术研究项目(12521073)