[发明专利]一种基于联邦学习的隐私保护跨领域推荐系统

摘要

本发明公开了一种基于联邦学习的隐私保护跨领域推荐系统，其包括如下步骤：S1：单个域内的私有更新，即通过图迁移模块来融合用户全局和本地偏好，并基于域内数据用梯度下降算法局部更新全局和本地偏好；S2：在私有更新后，采用联邦更新过程来协作学习基于多域数据的全局用户首选项，并通过个性化聚合使这些全局首选项适应异构域数据；S3：使用周期同步机制降低通信成本。本申请所提出的基于联邦学习的隐私保护跨领域推荐系统从多个层面保护用户隐私信息。在本发明中，每个域的原始交互数据在本地存储在域的私有空间中，不会上传到其他域，这样可以有效的降低隐私泄露的风险。