- 博客(1)
- 收藏
- 关注
原创 隐私保护新闻推荐模型学习-Privacy-Preserving News Recommendation Model Learning
新闻推荐旨在根据用户的个人兴趣向其展示新闻文章。现有的新闻推荐方法依赖于用户行为数据的集中存储来进行模型训练,由于用户行为的隐私敏感性质,这可能会导致隐私问题和风险。在本文中,我们提出了一种基于联邦学习的新闻推荐模型训练的隐私保护方法,其中用户行为数据本地存储在用户设备上。我们的方法可以利用大量用户行为中的有用信息来训练准确的新闻推荐模型,同时消除对它们的集中存储的需要。更具体地说,在每个用户设备上,我们保留新闻推荐模型的本地副本,并根据该设备中的用户行为计算本地模型的梯度。
2024-07-14 19:01:07
647
互联和自动化车辆的联合学习:现有方法和挑战的调查-Federated Learning for Connected and Au
2024-04-29
Federated Learning-Aided Prognostics in the Shipping 4.0: Princi
2024-04-26
基于去中心化联邦学习的货运速度预测时空模型-A decentralized federated learning-based s
2024-04-23
车联网(IoV)中的隐私保护:一种基于区块链的群组领导影子方案-Preserving Privacy in Internet
2024-04-16
An advanced data fabric architecture leveraging homomorphic encr
2024-03-26
Heterogeneous Federated Learning: State-of-the-art and Research
2024-03-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人