买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉软件工程职业学院(武汉开放大学)申请的专利基于组间最优传输和伪采样差分的联邦推荐方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118861429B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411122441.9，技术领域涉及：G06F16/9535；该发明授权基于组间最优传输和伪采样差分的联邦推荐方法及系统是由孙萍;于海平;田雨川;周俊杰;魏银珍;胡承芳设计研发完成，并于2024-08-15向国家知识产权局提交的专利申请。

本基于组间最优传输和伪采样差分的联邦推荐方法及系统在说明书摘要公布了：本发明属于联邦推荐技术领域，公开了一种基于组间最优传输和伪采样差分的联邦推荐方法及系统，本发明利用最优传输机制缓解弱势用户的数据稀疏性，缩小数据量大的优势用户和数据量小的弱势用户之间的训练差距。采用本地模型训练和联合全局模型更新的联邦训练方式，充分利用各用户的数据，提高推荐质量。实现双重隐私保护，既保护原始用户数据，又保护上传的梯度信息，从而满足隐私保护的需求。通过以上这些创新性的设计，本方法能够在保护隐私的前提下，有效地解决联邦推荐模型中的用户数据的稀疏性问题，同时解决稀疏性引起的推荐准确性和公平性问题。

本发明授权基于组间最优传输和伪采样差分的联邦推荐方法及系统在权利要求书中公布了：1.一种基于组间最优传输和伪采样差分的联邦推荐方法，其特征在于，包括以下步骤：S1，基于最优传输理论的数据稀疏性优化模型，具体包含以下内容：S101，构建两个群体的one-hot交互嵌入矩阵HD和HA；S102，解决Sinkhorn散度平滑的Monge-Kantorovich问题；S103，将优势用户的嵌入发送回对应的弱势用户客户端，在训练骨干推荐模型的时候，让弱势用户向优势用户学习增强弱势用户的训练；优势用户指的是与平台上大量物品有丰富交互的用户，而弱势用户则是与物品交互较少的用户群体；S104，后续联合这两个损失函数作为弱势用户训练模型的损失函数；S2，基于伪采样差分的双重隐私保护模型，具体包含以下内容：S201，伪交互项目采样；伪交互项目采样是一种在联邦推荐系统中用于保护隐私的技术，通过生成一些人工合成的伪交互项目来当作训练数据的负样本；S202，基于局部差分隐私保护技术；在联邦推荐模型下，每个用户都在本地保存自己的数据，仅将模型参数和梯度加密后，上传到中央服务器；所述解决Sinkhorn散度平滑的Monge-Kantorovich问题：问题描述为给定传输花费矩阵，目标是找到一个联合概率，使得从一个分布转移到另一个分布的总传输花费最小； 是一个基于传输花费的代价矩阵，hD和hA是从HD和HA采样的两个嵌入，是一个联合概率，Xij表示将D中用户ui传输到A中用户uj的可能性，反映了ui和uj之间的相似性，e是正则化因子；将每个弱势用户聚类为特定优势用户目标，设计如下和X有关的限制条件： 所述将优势用户的嵌入发送回对应的弱势用户客户端，在训练骨干推荐模型的时候，让弱势用户向优势用户学习增强弱势用户的训练；群组间损失如下： 其中，T表示Di的聚类中心，E表示用户嵌入；通过最小化Lgroup；所述后续联合这两个损失函数作为弱势用户训练模型的损失函数，其中Lutility为骨干推荐模型固有的、用于优化推荐准确性的损失函数：L＝Lutility+Lgroup4。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉软件工程职业学院(武汉开放大学)，其通讯地址为：430000 湖北省武汉市东湖新技术开发区光谷大道117号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。