KDD2024 | 用户图增强的联邦推荐系统

文章预览

嘿，记得给“ 机器学习与推荐算法 ”添加 星标 TLDR: 联邦推荐系统是一种新兴的人工智能服务架构，能够以保护隐私的方式为用户提供推荐服务。利用用户关系图来增强联邦推荐是一个有前景的研究课题，然而,在联邦学习设置下， 如何在保护数据隐私性的同时构建用户关系图 仍然是一个开放的挑战性问题。受启发于一个简单的研究动机，即，相似的用户对同一个商品集合具有相似的视角，论文提出了一种 图指导的个性化联邦推荐方法 。该方法能够在不访问用户交互记录的前提下，基于每个终端的个性化商品嵌入在服务器端构建用户关系图。同时，论文设计了一种 图指导的联邦聚合机制 ，能够在联邦优化框架下有效利用用户关系图。论文在五个基准数据集上充分验证了提出方法的优越性能。此外，该方法可以作为一个插件整合到现有的联邦推 ………………………………