一种基于联邦学习的个性化学习推荐系统技术方案

本发明专利技术涉及个性化学习推荐技术领域，且公开了一种基于联邦学习的个性化学习推荐系统，个性化学习推荐模块包括：用于将不同来源的学习者数据分散存储在各自的设备或本地服务器中的数据分区与存储模块；用于跟踪记录每个用户在学习过程中掌握的知识点状态的知识点追踪模块；用于协调多个参与方共同训练一个全局模型的联邦学习模块；用于保证数据传输和模型更新过程中参数安全性和隐私性的隐私保护与加密模块；用于根据联邦学习获得的个性化模型为用户生成学习资源推荐的个性化推荐生成模块；所述联邦学习模块中设置有追踪模型训练模块、模型更新上传模块以及联合优化模块。

【技术实现步骤摘要】

本专利技术涉及个性化学习推荐，具体为一种基于联邦学习的个性化学习推荐系统。

技术介绍

1、个性化推荐系统是利用机器学习算法来分析用户的行为、偏好和历史记录，以预测用户对不同内容的潜在兴趣，从而提供高度匹配的个性化内容推荐，联邦学习作为一种新兴的分布式机器学习技术应运而生，它允许在保持数据本地化的同时进行模型训练，每个参与方(如用户的设备、机构或组织)在本地存储和处理数据，并仅上传模型更新而非原始数据，通过加密通信和安全聚合技术，在不直接交换数据的情况下协同优化全局模型，而传统的推荐系统常常需要集中存储和处理大量用户数据，这有助于模型训练，但也带来了隐私泄露的风险，并且随着数据保护法规的完善以及公众对隐私意识的提高，企业和服务提供商面临着如何在不侵犯用户隐私的情况下有效利用数据以改善产品和服务的挑战，在教育、医疗、金融等领域，数据因法律法规限制和隐私伦理等原因很难集中在一起进行处理，所以，在此提出了一种基于联邦学习的个性化学习推荐系统。

2、经检索，专利号cn114510652b提出了一种基于纵向联邦学习的推荐方法及装置，具有有效缓解数据非独立同本文档来自技高网...

【技术保护点】

1.一种基于联邦学习的个性化学习推荐系统，其特征在于：个性化学习推荐模块包括：

2.根据权利要求1所述的一种基于联邦学习的个性化学习推荐系统，其特征在于：所述数据分区与存储模块(1)从各个终端收集用户的行为数据和特征数据，包括学习历史、点击率、停留时间、测试成绩，使用用户ID唯一标识符对数据进行分区，将每个用户的数据独立存储，形成用户数据子集，并对用户数据子集进行加密存储。

3.根据权利要求1所述的一种基于联邦学习的个性化学习推荐系统，其特征在于：所述知识点追踪模块(2)收集用户在学习过程中的交互数据完成习题、观看视频、笔记时间、得分、正确率指标，引入知识点追踪模...

【技术特征摘要】

1.一种基于联邦学习的个性化学习推荐系统，其特征在于：个性化学习推荐模块包括：

2.根据权利要求1所述的一种基于联邦学习的个性化学习推荐系统，其特征在于：所述数据分区与存储模块(1)从各个终端收集用户的行为数据和特征数据，包括学习历史、点击率、停留时间、测试成绩，使用用户id唯一标识符对数据进行分区，将每个用户的数据独立存储，形成用户数据子集，并对用户数据子集进行加密存储。

3.根据权利要求1所述的一种基于联邦学习的个性化学习推荐系统，其特征在于：所述知识点追踪模块(2)收集用户在学习过程中的交互数据完成习题、观看视频、笔记时间、得分、正确率指标，引入知识点追踪模型bkt估计用户对各个知识点的掌握程度，使用bkt模型公式:

4.根据权利要求3所述的一种基于联邦学习的个性化学习推荐系统，其特征在于：所述知识点追踪模块(2)根据用户在不同知识点上的表现实时更新其在知识图谱中的掌握状态，基于累积证据更新公式：

5.根据权利要求1所述的一种基于联邦学习的个性化学习推荐系统，其特征在于：所述联邦学习模块(3)中的追踪模型训练模块(6)根据用户在接收到推荐内容后记录其对推荐内容的反应，然后将捕获到的用户响应数据与推荐内容对应的特征相结合，生成新的训练样本，使用生成的新训练样本在本地模型上进行重新训练或在线学习，更新模型参数，本地模型参数更新完成后，对这些更新进行加密处理，通过安全的通信协议将加密后的模型参数上传至中央服务器，中央服务器收到所有参与方上传的加密模型参...

【专利技术属性】
技术研发人员：李康康，朱守业，
申请(专利权)人：江苏师范大学，
类型：发明
国别省市：