检索结果-南通市图书馆

检索条件"主题词=个性化的联邦学习"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向推荐系统的个性化的联邦学习算法关键技术研究

面向推荐系统的个性化的联邦学习算法关键技术研究

引用

作者：刘佰昆哈尔滨工程大学

学位级别：硕士

随着科技的飞速发展,互联网在人类社会中起到越来越重要的作用。经过近些年来的发展和积累,推荐系统在生活中的诸多方面都扮演着重要的角色。由于互联网经济的快速发展,寻找到用户在互联网上的兴趣也就愈发重要。因此,推荐系统是当今最... 详细信息

随着科技的飞速发展,互联网在人类社会中起到越来越重要的作用。经过近些年来的发展和积累,推荐系统在生活中的诸多方面都扮演着重要的角色。由于互联网经济的快速发展,寻找到用户在互联网上的兴趣也就愈发重要。因此,推荐系统是当今最重要的研究领域之一。然而,随着推荐系统的普及性和实用性不断提升,也产生了一系列需要解决的问题,其中最为突出的是用户的数据隐私问题。而联邦学习具有将隐私数据在本地进行处理,仅向中心服务器传递模型更新信息的特点,因此,它天然带有隐私保护能力,适合于解决推荐系统的数据隐私问题。而基于经典联邦学习模型的推荐系统不具有个性化推荐的能力,本文通过选择基于个性化的联邦学习算法进行推荐系统设计,来解决该推荐系统的隐私问题和个性化推荐准确率问题。随后进行适合于该推荐系统的激励机制设计,提高整个系统的训练质量和效率。具体的研究内容如下:首先,针对隐私保护问题和个性化推荐问题,本文设计了基于个性化的联邦学习的推荐系统。通过将元学习算法MAML和经典联邦学习算法Fed Avg的思想融合,提出了兼具联邦学习数据隐私保护能力和元学习算法的个性化能力的个性化的联邦学习算法MFL-RS。在此基础上,通过对基于该算法的推荐系统的架构进行选择,完成了基于个性化的联邦学习算法的推荐系统的主体部分设计。通过仿真实验,验证了该推荐系统的个性化推荐能力和模型聚合速度。而联邦学习所具有的隐私数据保护的特性也赋予了该推荐系统对用户本地隐私数据保护的能力。其次,针对提供低质量数据的参与者会降低系统模型聚合速度和推荐准确率的问题,提出了适用于基于个性化的联邦学习的推荐系统的激励机制算法。在激励机制设计中,准确计算各参与者的贡献是整个设计的基础。通过基于沙普利值理论的研究,提出了参与者的贡献量化算法。在此基础上,通过按照得到的参与者的贡献进行激励分配,吸引高质量参与者参与训练中并且使低质量参与者由于低投入产出比放弃参与。在仿真实验中,通过与采用其他贡献量化算法的激励机制的推荐系统进行对比,验证了该激励机制对缩短整个推荐系统的模型训练时间和提高推荐质量的能力。

关键词：推荐系统元学习个性化的联邦学习激励机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：