-
公开(公告)号：CN116226540A
公开(公告)日：2023-06-06
申请号：CN202310512758.2
申请日：2023-05-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于用户兴趣域的端到端联邦个性化推荐方法和系统，属于个性化推荐技术领域。本发明在类簇个性化思路的基础上，设置了带有个性化预测网络群组的推荐模型与基于图神经网络的客户端分类网络，并将该分类网络嵌入到个性化推荐模型中，将两者作为联邦推荐系统中的全局模型进行联邦训练。通过该端到端个性化推荐模型的设计，客户端的聚类过程可在模型的前向计算中自动完成，改善了训练效率；客户端分类网络也能通过推荐目标进行训练，使得聚类过程变为可学习。本发明改善了目前的类簇个性化推荐方法中存在的训练效率低和非学习性的问题，提升了个性化联邦推荐模型的性能。
-
公开(公告)号：CN116226540B
公开(公告)日：2023-09-26
申请号：CN202310512758.2
申请日：2023-05-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于用户兴趣域的端到端联邦个性化推荐方法和系统，属于个性化推荐技术领域。本发明在类簇个性化思路的基础上，设置了带有个性化预测网络群组的推荐模型与基于图神经网络的客户端分类网络，并将该分类网络嵌入到个性化推荐模型中，将两者作为联邦推荐系统中的全局模型进行联邦训练。通过该端到端个性化推荐模型的设计，客户端的聚类过程可在模型的前向计算中自动完成，改善了训练效率；客户端分类网络也能通过推荐目标进行训练，使得聚类过程变为可学习。本发明改善了目前的类簇个性化推荐方法中存在的训练效率低和非学习性的问题，提升了个性化联邦推荐模型的性能。
-
Search Results
2
records
(took 0.012 seconds)
