一种面向隐私保护的图神经网络联邦推荐方法
授权
摘要
本发明公开了一种面向隐私保护的图神经网络联邦推荐方法。目前已有很多学术策略提出矩阵分解,协同过滤等推荐方法来提高推荐的准确率,然而提出的方法中推荐的准确率、数据孤岛的问题、多个客户端如何联合训练的问题、数据的安全隐私性这些方面无法兼顾。本发明包含三部分的内容:基于二分图每个客户端进行图神经网络推荐,基于联邦学习进行共同训练图神经网络推荐方法和面向隐私保护的服务器和客户端传输数据进行同态加密。通过本发明提供的面向隐私保护的图神经网络联邦推荐方法,可以在数据孤岛的环境下联合多个客户端进行保证隐私性和数据安全性的图神经推荐建模训练,显著提高所有客户端的推荐准确率和保护数据的安全。
基本信息
专利标题 :
一种面向隐私保护的图神经网络联邦推荐方法
专利标题(英):
暂无
公开(公告)号 :
CN113420232A
申请号 :
CN202110614924.0
公开(公告)日 :
2021-09-21
申请日 :
2021-06-02
授权号 :
CN113420232B
授权日 :
2022-05-10
发明人 :
李尤慧子潘倩倩殷昱煜梁婷婷万健张纪林
申请人 :
杭州电子科技大学
申请人地址 :
浙江省杭州市钱塘区白杨街道2号大街
代理机构 :
浙江千克知识产权代理有限公司
代理人 :
周希良
优先权 :
CN202110614924.0
主分类号 :
G06F16/9536
IPC分类号 :
G06F16/9536 G06F21/60 G06F21/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06F
电数字数据处理
G06F16/9536
••••基于社交或协作过滤搜索自定义
法律状态
2022-05-10 :
授权
2021-10-12 :
实质审查的生效
IPC(主分类) : G06F 16/9536
申请日 : 20210602
申请日 : 20210602
2021-09-21 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN113420232A.PDF
PDF下载