一种基于联邦学习的个性化行为推荐方法
基本信息
| 申请号 | CN202111638487.2 | 申请日 | - |
| 公开（公告）号 | CN114003821A | 公开（公告）日 | 2022-02-01 |
| 申请公布号 | CN114003821A | 申请公布日 | 2022-02-01 |
| 分类号 | G06F16/9535（2019.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 翟晓东;汝乐;王意洲;凌涛;凌婧 | 申请（专利权）人 | 江苏奥斯汀光电科技股份有限公司 |
| 代理机构 | 南京瑞弘专利商标事务所（普通合伙） | 代理人 | 徐激波 |
| 地址 | 210046江苏省南京市栖霞区科创路1号2幢 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于联邦学习的个性化行为推荐方法，包括如下步骤：步骤1，采集用户行为特征数据，对用户行为特征数据进行分类，并根据用户行为特征数据的类别划分本地客户端；对用户行为特征数据进行标准化处理，再将标准化处理后的用户行为特征数据构建成特征矩阵形式；步骤2，在本地客户端建立本地模型；步骤3，基于服务器端与客户端用户的互动，在联邦学习算法中加入双重主观逻辑模型，量化本地模型的声誉值，最终将训练好的的模型参数及其声誉值上传至服务器上。有利于隐私安全，将用户的隐私保存在本地客户端；还可以实现在个人用户的推荐基础上，进行团体推荐。 |
