公开(公告)号：CN117763287A

公开(公告)日：2024-03-26

申请号：CN202311786976.1

申请日：2023-12-25

Applicant: 桂林电子科技大学

Inventor： 刘平山 ,  方维平 ,  孙飞 ,  陆国信 ,  王朝阳 ,  赵丽亚

IPC: G06F18/15 ,  G06F18/214 ,  G06N20/20

Abstract: 本发明公开了一种联邦推荐中基于自训练双网络的交互数据去噪方法，该方法先预热训练5~15个轮次；各个客户端的本地模型和本轮次的全局模型构成当前客户端的双网络，由双网络对本地数据集预测；预测结果满足阈值条件的样本构成初始自训练数据集，不满足阈值条件的样本构成无标签数据集；自训练数据集代替原本客户端上噪声率较高的本地数据集以支持后续训练；后续轮次中，当本地模型训练结束时，双网络对本地无标签数据集预测，满足阈值条件的样本被移入自训练数据集；去噪达一定轮次后无标签数据重新被贴上标签1。本发明适用于任何基于矩阵分解的联邦推荐模型以去除客户端上交互数据中的噪声样本，从而提高联邦推荐模型的准确性和可靠性。