Federated Topic Model

基于变分自编码器的联邦主题模型使用剪枝技术加速训练

研究人员开发了一种新颖的联邦主题建模方法，使用变分自编码器来解决跨方文档分析中的隐私问题。该方法结合了神经网络模型剪枝技术，以加速训练和推理时间。提出了两种剪枝策略：一种是在训练过程中逐步剪枝，以获得更高的准确性和更短的推理时间；另一种是在训练早期快速达到目标剪枝率，以更快地完成训练，但可能存在一些信息损失。实验表明，这种组合方法在保持模型性能的同时，显著加快了训练速度。