【摘 要】
：
推荐系统的诞生使得用户能够在正确的时间以最合适的方式发现最有用的项目。联邦学习的诞生使得用户的个性化数据隐私得到保护。联邦推荐系统是联邦学习与推荐系统的交叉学科,是将联邦学习思想应用到推荐系统中。本文对联邦学习和联邦推荐系统进行了研究,主要内容有以下几点:（1）针对联邦学习中普遍存在非独立同分布问题,本文提出一种基于时间衰减因子的动态聚类联邦学习（简称时动联邦学习）方法。客户端利用时间衰减因子对本
论文部分内容阅读
推荐系统的诞生使得用户能够在正确的时间以最合适的方式发现最有用的项目。联邦学习的诞生使得用户的个性化数据隐私得到保护。联邦推荐系统是联邦学习与推荐系统的交叉学科,是将联邦学习思想应用到推荐系统中。本文对联邦学习和联邦推荐系统进行了研究,主要内容有以下几点:（1）针对联邦学习中普遍存在非独立同分布问题,本文提出一种基于时间衰减因子的动态聚类联邦学习（简称时动联邦学习）方法。客户端利用时间衰减因子对本地历史参数列表中的历史参数和服务器发送的全局参数进行加权平均后再进行本地训练;服务器接收到客户端上传的参数后,不仅进行参数聚合,还会对这些参数进行聚类,并把聚类后的类平均参数发回给相应的客户端,以使客户端能更新本地历史参数列表。时动联邦学习方法解决了客户端本地数据间存在的非独立同分布问题。（2）针对传统联邦推荐系统中服务器由于缺乏原始用户数据导致无法进行个性化推荐的问题,本文提出一种基于用户嵌入特征的推荐系统模型,实现跨端联合个性化推荐。用户嵌入特征是原始用户数据输入到Embedding层后的输出结果,服务器无法仅通过用户嵌入特征逆推出客户端数据,故用户数据隐私得到有效保护。因此,服务器可以使用用户嵌入特征进行个性化推荐,将所得候选项目集发送给客户端,使得客户端可以使用原始用户数据进行本地个性化推荐,从而实现跨端联合个性化推荐。（3）针对用户在关联第三方软件、使用第三方软件账号登录后,一般不愿意再在推荐系统中提供原始用户数据的情况,本文提出一种基于第三方用户标识符的推荐系统模型,同样实现跨端联合个性化推荐。第三方用户标识符由第三方软件提供,服务器无法从第三方用户标识符中识别原始用户数据,有效保护客户端数据隐私。因此,服务器可以使用第三方用户标识符进行个性化推荐,将所得候选项目集发送给客户端,使得客户端可以使用原始用户数据进行本地个性化推荐,从而实现跨端联合个性化推荐。实验表明,本文提出的时动联邦学习方法优于传统联邦学习方法,能有效应用于跨端联合个性化推荐。
其他文献
以NaYF4为基质的稀土上转换发光材料具有发光背景低、化学性质稳定、抗光漂白、生物毒性小和生物相容性好等优点,已经在生物分子检测、细胞成像、光动力学治疗等领域得到研究和应用。近年来,为提高上转换纳米粒子作为光学探针用于分析测定的灵敏度,如何进一步提高纳米粒子的发光强度是许多科研工作者关注的问题。基于以上研究背景,本实验系统地研究了非稀土离子掺杂对NaYF4:Yb,Tm纳米粒子发光性能的影响,并对纳
随着社会发展和人类生活水平的提高,人类对生命健康的关注越来越多,对重大疾病标志物的检测要求越来越高。重大疾病标志物的高灵敏检测不仅对疾病的早期诊断有重大意义,而且可以帮助临床医生采取最好的治疗措施。一些疾病标志物在细胞、血液或体液中的含量水平非常低,这在一定程度上影响了疾病的早期诊断和治疗。因此发展高灵敏、高选择性的检测分析方法尤为重要。电化学传感器尤其是电化学核酸适配体传感器因其特异性和灵敏度高
近年来研究发现,硫化氢（hydrogen sulfide,H2S）作为继CO、NO后第三种气体信号分子,在动物和植物体内均发挥重要的生理功能。而在生理状态下H2S的主要存在形式为HS-,即HS-作为H2S的共轭碱大量存在于生物体中。H2S本身是一种高亲脂性的分子,容易穿过细胞的磷脂双分子层,但HS-需要介导物质。在对细菌、动物等的HS-转运机制研究中,均发现了相应的HS-转运蛋白,但在植物领域目前
随着人工智能技术的快速发展和广泛应用,人工智能技术在带给人们生活便利的同时也带来了越来越多的安全性问题,其中,对抗样本的安全性就是最典型的问题之一。对抗样本通过在良性样本上添加微小扰动或随机噪声,导致深度神经网络模型给出错误的预测结果,进而造成系统模型的决策错误。因此,如何在对抗样本的攻击下,保证深度学习模型高效、稳定的工作是一个非常具有现实意义的研究方向。在本篇论文中,我们首先对人工智能领域的机
工业控制系统（Industrial Control System,ICS）内控制信息和状态信息都需要工控协议进行传输。工业控制协议中存在很多厂商自己定义的私有工控协议,且私有工控协议的使用越来越广泛。然而,私有工控协议很少公开协议规范,并且设计上欠缺考虑安全性,存在隐藏的安全问题,研究工控私有协议的安全性需要了解协议规范,而协议逆向工程则是挖掘其协议规范的有效解决方案。本文整体目标是提取私有工控协
近十年以来随着科学技术发展,通信技术得到了快速的成长,特别是第五代通信网络（5G）成为重点发展方向,移动设备的地位变得尤为重要。移动设备已经从单一的通信设备发展为现在的具有一定计算能力,而且可以处理多种任务的智能终端。但是,移动设备的由于其体积限制,计算能力不仅受到了限制,而且最近几年电池技术停滞不前,导致移动设备的可以执行的任务受到了严重限制。为了解决这个问题,人们开始考虑将计算任务卸载到云服务
表皮是昆虫抵御外界环境的第一道屏障,表皮表面有大量微生物附着,昆虫在长期进化过程中与微生物形成了复杂的共生关系,使昆虫拥有更强的适应能力。然而,昆虫表皮微生物尚缺乏系统研究。飞蝗是重要的农业害虫,主要危害禾本科植物类重要的农作物,造成作物产量巨大损失。而关于蝗虫表皮菌群结构组成和群落多样性的研究很少。本文以飞蝗（Locusta migratoria）为研究对象,采用宏基因组高通量测序技术和传统分离
激光雷达测量技术是在上个世纪中叶逐渐发展起来的一种先进的测量技术。激光雷达根据雷达组成配件的不同,可以分为机械式激光雷达和MEMS（微机电系统）激光雷达系统。无论哪种测量系统,原理上都是通过发射高重复频率的激光脉冲和捕获返回信号,来获得被测目标的位置信息。MEMS激光雷达技术,采取巧妙的方式集成了传统激光雷达的零部件,使得机器更加紧凑,具有低成本、易量产、轻量级等优势,便于搭载于高精精密设备中,具
近些年来,互联网技术逐年发展,步步攀升,社交平台也随之迅速发展,其中,新浪微博是目前热度排行榜上第一位的一个社交平台,但随着越来越多的用户涌入新浪微博,微博数据日益攀升,不断更迭,用户很难在海量信息中精准捕捉到自己最感兴趣的内容和最需要的讯息,这时就需要在微博中应用个性化推荐来解决信息过载的问题,从而增强用户体验。本文主要通过用户微博文档挖掘用户兴趣、构建完善的用户兴趣,再利用多任务学习模型为用户
进入21世纪以来世界经济的高速发展与商品货物的大量流通,物流行业已成为经济建设中至关重要的行业之一,随之而来的是物流行业的繁荣与劳动力成本的提升,人工装车已逐渐无法满足市场需求。与此同时,工业自动化的迅速发展,使得工业机器人在包装、焊接、物流等行业逐渐代替了传统劳动力的角色。针对这种现状,我们实验室决定与校外企业共同合作研发一款自动化装车机器人,来解决目前货物装车过程中装箱任务重、效率低、劳动力成