龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：重庆邮电大学
摘要：本发明涉及一种基于项目平均的纵向联邦差分隐私矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：参与方k∈[1,p]，在本地使用拉普拉斯加噪得到通过目标函数LU,V,B，得到和并且通过对和上加入高斯噪音，得到参与者k∈[1,p]在本地更新和并将所有参与方k∈[1,p]的发送给服务器更新U；如此经过T轮后得到U，本发明具有良好的隐私保护性和模型准确性。
主权项：1.一种基于项目平均的纵向联邦差分隐私的矩阵分解推荐方法，具体包括以下步骤：S1：用户对项目的评分矩阵其中用表示用户i对项目j的评分；训练的过程分别由服务器，参与方k∈[1，p]两方组成；并且评分矩阵R被垂直分割为其中是尺寸为n×mk的矩阵，包含第k个参与方拥有的评分信息[rij]；其中n表示用户的个数，m表示项目的个数；项目的集合[m]被分为F1，...，Fp，每个Fk是第k个参与方所拥有的项目的子集，且|Fk|＝mk表示该子集中项目的数量；S2：每个参与方在本地随机初始化用户隐因子梯度矩阵初始化项目隐因子梯度矩阵其中表示矩阵的第i行，代表第i个用户的隐因子向量；表示矩阵V的第j行，代表第j个项目的隐因子向量；f表示隐因子向量的维度；其中和分别代表第k个参与方的项目隐因子梯度矩阵和用户隐因子梯度矩阵；S3：针对所有参与方k∈[1，p]；参与方k通过本地并且通过加入拉普拉斯噪音，得到其中代表第k个参与者在本地计算的项目平均向量，并且是加噪后的；S4：针对所有参与方k∈[1，p]；通过本地的来自服务器的U，通过目标函数LU，V，B，得到和并且通过对和上加入高斯噪音，得到S5：在第k∈[1，p]个参与者本地更新和并将所有参与方k∈[1，p]的发送给服务器更新U；S6：重复S4，S5一共T次；S7：经过T轮迭代后，根据公式进行预测；将参与者本地的以及服务器的U一起发布，当用户i需要推荐时，ui会与服务器的V矩阵相乘，并且加上B，以生成预测评分，将没有用户i没有评分TOP-N评分对应的项目推荐给用户i。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种基于项目平均的纵向联邦差分隐私矩阵分解推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号