一种基于联邦学习的序列推荐方法和系统
公开
摘要
本发明公开了一种基于联邦学习的序列推荐方法和系统，属于个性化推荐领域和用户隐私保护领域。本发明将用户的个人信息、实时和历史数据都存放在本地，每个客户端能够根据自己的历史数据进行状态表示，捕捉用户与物品之间的交互关系，并基于深度强化学习将推荐过程看做一个序列化决策过程；本发明在联邦学习的聚合算法中引入了注意力机制，考虑到各个客户端提取特征信息的相关性，以及各个客户端的个性化带来的数据差异性，为每一个客户端制定权重系数，这是一种细粒度的重新赋权的手段，增加了数据的个性化程度，提高了推荐准确率，更加适合序列推荐领域，在保护个人数据隐私的同时，实现对用户的个性化推荐。
基本信息
专利标题 ：
一种基于联邦学习的序列推荐方法和系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114595396A
申请号 ：
CN202210490648.6
公开（公告）日 ：
2022-06-07
申请日 ：
2022-05-07
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
吴超陈玥李皓王永恒
申请人 ：
浙江大学;之江实验室
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
郑海峰
优先权 ：
CN202210490648.6
主分类号 ：
G06F16/9535
IPC分类号 ：
G06F16/9535 G06N20/20
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
G06F16/9535
••••基于用户配置文件和个性化自定义搜索
法律状态
2022-06-07 ：
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
暂无PDF文件可下载
