论文笔记 联邦学习+推荐

    论文题目：A federated collaborative recommendation model for privacy-preserving distributed recommender applications based

专业词汇

on microservice framework
IoT 物联网
Internet-of-Things (IoT)technologies 物联网技术
Recommender systems (RS) 推荐系统
error-prone 易错的
heterogeneous 异构性
huge-volume 大容量
value sparsity 价值稀疏性
monolithic 庞大的
devices malfunction 设备故障
cross-platform data sharing 跨平台数据分享
loosely coupled entities or components 松散耦合的实体或者元素
preliminary knowledge 预备知识
hybrid collaborative recommendation method 混合协调推荐方法
time-aware and location-aware recommendation methods 时间感知和位置感知推荐方法
matrix factorization 矩阵分解
factorization machines 因子分解机
explicit and implicit feedbacks 显式和隐式反馈
finer-granularity 精细粒度 颗粒度越细，表示细节越详尽，越有助于了解事情的全貌，颗粒度越粗，表示细节越少，更多的是抽象概括。
Information overload 信息超载 指信息接收者或处理者所接收的信息远远超出其信息处理能力。在网络技术不断发展的背景下，世界的信息和知识都处于大爆炸状态，造成信息量大、信息质量差、信息价值低等问题，信息超载的现象也随之而生。

文章背景：

    推荐系统（RS）是从大量大数据中提取用户感兴趣项目的最有效的方法之一。在容易出错的分布式物联网设备实现推荐系统主要有两大挑战：
    1.分布式物联网设备可能产生随机的错误，发送数据使得推荐系统不能使用。
    2.物联网设备收集原始数据可能产生数据泄露的问题。

文章贡献以及创新点

    本文提出了一种基于微服务框架的联邦协作推荐模型，以实现保护隐私的分布式推荐应用。
    1.文章使用联邦学习框架来训练协作推荐模型.
    2. 此外，采用微服务框架封装了联邦推荐模型的不同功能。每个分布式设备都可以通过微服务框架的服务注册和服务发现功能参与联合训练过程。
    3. 通过融合辅助的用户配置文件和项目属性，利用提出的FedNeuMF模型增强了典型的神经协同过滤模型，以提高推荐精度
    4. 最后，在三个真实世界的数据集上进行了一组实验，以检查我们的模型的性能。

相关工作

1.Collaborative filtering based recommendation models 基于协同过滤的推荐模型

Collaborative Filtering (CF) provides a category of memory-based methods to find similar users for a given target
user or similar items for a given target item via a set of similarity calculation algorithms. 协同过滤（CF）提供了一类基于内存的方法，通过一组相似度计算算法为给定目标用户寻找相似用户或为给定目标项目查找相似项目。此外，CF还包含了基于一组方法提取用户和项目的潜在特征表达式的模型，如矩阵分解（MF）、矩阵分解机（FM）等。例如，研究人员[11] [32]采用MF技术，通过从用户-项目交互记录中提取显式和隐式反馈，设计了基于潜在因素的推荐模型。此外，还提出了一些MF的变量，如张量分解[44] [40]和概率矩阵分解（PMF）[33]，以提供更细粒度的用户偏好建模。
[11]] S. Chen, Y. Peng, Matrix factorization for recommendation with explicit and
implicit feedback, Knowl.-Based Syst. 158 (2018) 109–117.
原文地址：https://www.sciencedirect.com/science/article/pii/S0950705118302843

MF 主要内容:

推荐系统可以分为两类： rating prediction and item recommendation.
1.rating prediction.在评级预测任务中，CF算法试图预测用户对他们尚未评级的项目的评级。 Singular value
decomposition (SVD) 奇异值分解（SVD）[2]是一种传统的评级预测MF模型。
2.item recommendation项目推荐任务是指为每个用户为尚未评级的项目生成一个排名列表。传统的项目推荐算法主要依赖于隐式反馈。

…

2. Microservice based distributed systems 基于微服务的分布式系统

未完待续…