公开(公告)号：CN117573975A

公开(公告)日：2024-02-20

申请号：CN202311548012.3

申请日：2023-11-17

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) ,  鹏城实验室

Inventor： 廖清 ,  郑栋毅 ,  张鸿宇 ,  徐国爱 ,  冯纪元 ,  杨旭 ,  刘永恒

IPC: G06F16/9535 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/048 ,  G06N3/098

Abstract: 本发明提供了一种联邦跨领域的信息推荐方法、装置、终端设备及介质，所述信息推荐方法从服务器获取预先训练好的跨域序列推荐模型，并且通过用户的交互信息，确定对用户的推荐建议。该模型由服务器将多个本地模型聚合得到，每个本地模型对应一个客户端，并且每个本地模型在对应的客户端本地训练得到，这样，对于客户端来说，不需要将本地的数据上传到服务器，也可以通过服务器训练得到跨域序列推荐模型，然后从服务器获取该模型并进行应用，确保了客户端数据拥有方的数据隐私，此外相比现有的定制化推荐模型，跨域序列推荐模型通过多个本地模型聚合得到并且各本地模型分别由对应客户端本地训练得到，可以有效提高跨域序列推荐模型的性能和质量。

公开(公告)号：CN117573975B

公开(公告)日：2024-12-13

申请号：CN202311548012.3

申请日：2023-11-17

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) ,  鹏城实验室

Inventor： 廖清 ,  郑栋毅 ,  张鸿宇 ,  徐国爱 ,  冯纪元 ,  杨旭 ,  刘永恒

IPC: G06F16/9535 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/048 ,  G06N3/098

Abstract: 本发明提供了一种联邦跨领域的信息推荐方法、装置、终端设备及介质，所述信息推荐方法从服务器获取预先训练好的跨域序列推荐模型，并且通过用户的交互信息，确定对用户的推荐建议。该模型由服务器将多个本地模型聚合得到，每个本地模型对应一个客户端，并且每个本地模型在对应的客户端本地训练得到，这样，对于客户端来说，不需要将本地的数据上传到服务器，也可以通过服务器训练得到跨域序列推荐模型，然后从服务器获取该模型并进行应用，确保了客户端数据拥有方的数据隐私，此外相比现有的定制化推荐模型，跨域序列推荐模型通过多个本地模型聚合得到并且各本地模型分别由对应客户端本地训练得到，可以有效提高跨域序列推荐模型的性能和质量。

公开(公告)号：CN118277669A

公开(公告)日：2024-07-02

申请号：CN202410462841.8

申请日：2024-04-17

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) ,  鹏城实验室

Inventor： 廖清 ,  张鸿宇 ,  郑栋毅 ,  冯纪元 ,  胡宁 ,  高翠芸

IPC: G06F16/9535 ,  G06F18/214 ,  G06F18/23 ,  G06F17/16 ,  G06N3/098

Abstract: 本发明公开了一种基于超图信号分解的联邦跨域推荐方法，属于数据挖掘技术领域。解决了现有技术中传统的跨域推荐方法的难以避免全局模型混入领域特有信息的问题；本发明设定总通信轮次，使用本地数据初始化训练客户端模型，服务器随机选取客户端训练；客户端使用本地的低通超图滤波器和高通超图滤波器分别得到领域特定和领域共享的用户表征和物品表征；客户端和服务器之间运行本地‑全局知识迁移算法；服务器对得到的领域共享的用户表征和更新后的低通超图滤波器的模型进行聚合；服务器将聚合后的全局用户表征和聚合后的低通超图滤波器的模型发送给客户，重复上述步骤直至执行完总通信轮次。本发明避免了出现负迁移问题，可以应用于联邦跨域推荐。