常规联邦/雾/用户分类/梯度下降Federated Learning-Based Content Popularity Prediction in Fog Radio Access Networks

标签 常规联邦/雾/用户层次分类/基本梯度下降方法

要点

1. movielens数据集100k
2. 用户分类
3. 学习用户活动性（分类用户的活动性可以通过用户访问次数来分析用户活动性）

背景和挑战的新颖提法

流程

1. 用户偏好用逻辑回归模型进行学习
2. 通过二维的用户特征二分类来对用户进行分类，分类时将用户的特征会上传至当前的fap，所以不清楚是否有违背联邦学习规则（After offline user preference learning, users send the preference and context information to their associated F-APs.）
3. 将模型分数通过单个fap训练后，构建单个fap自己的预测模型

文章疑点

1. 数据可以上传至fap节点吗？用户隐私数据怎么做到保护