公开(公告)号：CN116431915A

公开(公告)日：2023-07-14

申请号：CN202310398860.4

申请日：2023-04-06

Applicant: 浙江大学

Inventor： 陈珂 ,  丁宇佳 ,  李环 ,  寿黎但 ,  陈刚

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N20/00 ,  G06N3/098 ,  G06N3/048 ,  G06N3/047 ,  G06F21/62

Abstract: 本发明实施例提供了一种基于联邦学习和注意力机制的跨域推荐方法与装置，包括：获取用户的源域特征向量；在各个客户端上分别构建跨域推荐模型，根据源域特征向量获取用户的领域共享特征，根据用户的标识、商品的标识分别获取用户的领域特定特征和商品特征向量；对领域共享特征和领域特定特征进行聚合，得到混合特征向量；基于混合特征向量与商品特征向量进行推荐预测，得到用户对商品的偏好概率；基于联邦学习机制，训练所有客户端上的跨域推荐模型。本发明保障用户特征可以从源域准确迁移到目标域，又考虑了用户在不同领域偏好的多样性，从而提高推荐预测的准确率。