公开(公告)号：CN119887343A

公开(公告)日：2025-04-25

申请号：CN202510070945.9

申请日：2025-01-16

Applicant: 重庆邮电大学

Inventor： 肖云鹏 ,  刘晓菡 ,  王蓉 ,  贾朝龙 ,  李暾 ,  李茜 ,  王国胤

IPC: G06Q30/0601 ,  H04L9/40 ,  G06F18/20 ,  G06F18/214 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084 ,  G06N3/098 ,  G06F123/02

Abstract: 本发明涉及一种基于横向联邦和多元表征的商品推荐模型训练方法，包括中央服务器运行密钥生成算法生成其公钥和私钥，并将公钥通过安全通道发送给本轮参与联邦学习的客户端；中央服务器向各个客户端下发全局商品推荐模型；各个客户端利用本地的用户‑商品交互数据对全局商品推荐模型进行训练得到本地商品推荐模型；并将本地商品推荐模型和性能指标通过中央服务器的公钥加密后上传至中央服务器；中央服务器利用私钥对客户端加密后的本地商品推荐模型和性能指标进行解密，并根据性能指标聚合各个客户端上传的本地商品推荐模型得到下一轮迭代训练的全局商品推荐模型；重复执行上述步骤，直至全局商品推荐模型收敛或达到预设的迭代次数为止，得到训练好的商品推荐模型，本发明能够提升在推荐中的实时性和精准性，同时提高模型的泛化能力。