今年一月刚挂上arXiv的一篇联邦推荐文章Federated collaborative filtering for privacy-preserving personalized recommendation system。
摘要
作者将一个隐形反馈的CF模型修改成了联邦学习的框架,隐私性用Fed-Avg算法保证。总的来说,没什么创新。
问题
在保护用户隐私的情况下利用隐性反馈进行推荐
框架
一个横向联邦的框架,和google那篇是一模一样的。
模型
CF模型就是一个传统的矩阵分解方法,用两个向量X和Y去近似user-item矩阵R。 r u i {r_{ui}} rui代表用户u对物品i隐性反馈的次数,比如说打开网页的次数等等,