一种基于联邦因子分解机的高效压缩内存的广告推荐算法及系统技术方案

本发明专利技术提供了一种基于联邦因子分解机的高效压缩内存的广告推荐算法及系统，属于服务推荐领域。为了解决现有广告推荐系统数据集过大，使用时会导致内存消耗过高且推荐效果一般的问题。本发明专利技术将内存效率极高的分解机模型xLightFM与联邦学习结合，包括对联邦学习的各个参与方数据集进行预处理，得到用于联邦学习的数据集，再进行基于联邦因子分解机的高效压缩内存的广告推荐算法训练，模型训练完成后再进行预测推理并通过可信第三方服务端将推理结果生成推荐列表返回给主办方。本发明专利技术在保护用户数据安全性的前提下同时可有效降低内存消耗，且适用于数据集较大的广告推荐系统，可有效降低广告平台的经济损耗。

【技术实现步骤摘要】

本专利技术涉及服务推荐，具体而言，涉及一种基于联邦因子分解机的高效压缩内存的广告推荐算法及系统。

技术介绍

1、纵向联邦学习(vfl)是联邦学习的一种，通过主动方与各个参与方联合训练达到学习的目的，其中主动方和各个参与方数据集中均拥有特征但只有主动方拥有标签。在广告推荐领域，纵向联邦学习用于广告主和广告平台之间进行联合训练以帮助广告主更好的向用户推荐广告。在联邦学习的基础上，纵向联邦因子分解机的各个参与方使用因子分解机进行训练，用以提取一阶线性特征和二阶交叉特征。在研究过程中，我们发现因子分解机模型在联邦化的广告推荐场景中使用较少。而且由于许多的广告推荐系统数据集过大，我们发现许多广告推荐系统使用现有的未经压缩的纵向联邦因子分解机算法会导致很高的内存消耗且推荐效果一般。

2、因此，设计轻量化的服务于广告推荐系统的联邦学习模型是很有意义和必要的。

技术实现思路

1、本专利技术要解决的技术问题是：

2、为了解决现有广告推荐系统数据集过大，使用时会导致内存消耗过高且推荐效果一般的问题。...

【技术保护点】

1.一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于：在步骤一中，数据预处理的步骤为，将采集到的数据集进行汇总，并将每个样本的特征数据随机分配给参与联邦学习的主动方和被动方，将每份样本的标签随机分配给主动方。

3.根据权利要求2所述的一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于：在步骤二S1中，

4.根据权利要求3所述的一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于：在步骤二S2中，

5.根...

【技术特征摘要】

1.一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于：在步骤一中，数据预处理的步骤为，将采集到的数据集进行汇总，并将每个样本的特征数据随机分配给参与联邦学习的主动方和被动方，将每份样本的标签随机分配给主动方。

3.根据权利要求2所述的一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于：在步骤二s1中，

4.根据权利要求3所述的一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于：在步骤二s2中，

5.根据权利要求4所述的一种基于联邦因子分解机的高效压缩内存的广告推荐算法，其特征在于：在步骤二s3中，

6.根据...

【专利技术属性】
技术研发人员：黄海，武敏，叶子，吴英东，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：