基于联邦学习的个性化推荐系统研究
Research on Personalized Recommendation System Based on Federated Learning
林宁 1张亮2
作者信息
- 1. 泰州机电高等职业技术学校, 江苏 泰州 225300
- 2. 南京师范大学泰州学院, 江苏 泰州 225300
- 折叠
摘要
为了通过联邦学习算法解决用户隐私数据泄露的问题、降低数据泄露的可能性,本文概述了推荐系统、联邦学习及联邦推荐系统,探讨了联邦个性化推荐系统的类别、流程、应用现状以及未来面对的挑战等,为用户提供了安全、便捷、高效的个性化推荐系统.
Abstract
In order to solve the problem of user privacy data leakage and reduce the possibility of data leakage through federated learning algorithms,this article provides an overview of recommendation systems,federated learning,and federated recommendation systems,explores the categories,processes,application status,and future challenges of federated personalized recommendation systems,and provides users with a secure,convenient,and efficient personalized recommendation system.
关键词
联邦学习/联邦推荐/推荐系统/隐私保护/数据安全/数据泄露Key words
federated learning/federal recommendation/recommendation system/privacy protection/data security/data leakage引用本文复制引用
基金项目
江苏省高等学校自然科学研究项目(20KJD180003)
泰州市"凤城英才"青年科技人才托举工程项目(2021)(泰科协发[2021]45号)
出版年
2024
NETL
NSTL
万方数据