联邦个性化学习推荐系统研究

摘要：

当前,个性化学习推荐系统面临数据隐私保护、"冷启动"和法律约束等问题,而联邦学习作为近年来优秀的数据隐私保护机器学习技术解决方案,可有效解决这些问题.基于此,文章将联邦学习和个性化学习推荐相结合,设计了联邦个性化学习推荐系统.首先,文章分析了联邦个性化学习推荐系统的具体应用场景,包括横向联邦、纵向联邦、联邦强化三种.其次,文章分别针对这三种应用场景设计了相应的应用解决方案.最后,文章探讨了未来联邦个性化学习推荐系统面临的严峻挑战,以期帮助教育利益相关者在保护数据隐私的同时共享数据价值,最终实现更安全、更高质量的个性化学习推荐服务.

关键词：联邦学习、个性化学习推荐、数据隐私、联邦推荐算法

所属期刊栏目：32

分类号：G40-057(教育学)

资助基金：国家自然科学基金;教育部人文社会科学研究项目;江苏省研究生科研与实践创新计划项目

在线出版日期：2022-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：118-126