【技术实现步骤摘要】
本专利技术属于分布式人工智能领域，涉及一种基于记忆感知的图数据联邦忘却学习方法。
技术介绍
1、随用户个人终端的数量不断增多，在众多电子商务平台、社交媒体平台等应用中产生了大量的具有价值的数据。通过这些数据构建的推荐系统已经成为了许多企业发展的不可或缺的重要工具，用户也能够依靠推荐系统从海量的数据中浏览他们感兴趣的部分，极大地增强了人们与现实世界的交互能力。为了避免在构建推荐系统时从大量用户处收集数据、集中存储和运用所导致的用户数据泄露及隐私问题，推荐系统融合了联邦学习框架，保证了用户的交互图数据只保存在本地设备。同时，随着各国一些立法的出台，用户被赋予“被遗忘的权利”，用户可以随时选择将自己被使用的数据进行删除，从而保护自身的隐私。
2、目前在联邦学习的推荐系统中，研究者只侧重于研究联邦推荐或推荐系统忘却的其中一个方面。例如，在联邦推荐中，将联邦学习框架fcf、fedmf融合到推荐系统中，在本地对用户—交互项目的一阶子图进行训练，但由于一阶子图包含信息较少，在推荐准确率上表现不佳。最新的联邦推荐框架fedpergnn通过设...
【技术保护点】
1.基于记忆感知的图数据联邦忘却学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤一中，对所有本地用户进行聚类的具体步骤如下：
3.根据权利要求1或2所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤二中，计算影响矩阵的具体步骤如下：
4.根据权利要求3所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤三中，构造重要性权重矩阵的具体步骤如下：
5.根据权利要求4所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤...
【技术特征摘要】
1.基于记忆感知的图数据联邦忘却学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤一中，对所有本地用户进行聚类的具体步骤如下：
3.根据权利要求1或2所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤二中，计算影响矩阵的具体步骤如下：
4.根据权利要求3所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤三中，构造重要性权重矩阵的具体步骤如下：
5.根据权利要求4所述的基于记忆感知的图数据联邦忘却学习方法，其特征在于，所述步骤3.4...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。