[发明专利]联邦学习模型训练方法、系统、电子设备及可读存储介质

权利要求书

1.一种联邦学习模型训练方法，其特征在于，用于解决推荐系统中数据隐私问题，包括：

矩阵下载步骤：从服务器下载全局物料因子矩阵；

数据集上传步骤：基于本地数据、所述全局物料因子矩阵与本地用户因子向量将数据集进行更新并上传至所述服务器；

矩阵发送步骤：所述服务器基于联邦加权算法与更新后的本地模型对所述全局物料因子矩阵进行更新并发送给用户。

2.根据权利要求1所述的联邦学习模型训练方法，其特征在于，所述矩阵下载步骤中的所述全局物料因子矩阵为随机的初始化模型或预训练模型。

3.根据权利要求1所述的联邦学习模型训练方法，其特征在于，所述数据集上传步骤包括：

数据聚合步骤：将所述数据集中的显式数据和隐式数据进行聚合；

向量更新步骤：使用所述本地数据和所述全局物料因子矩阵对所述本地用户因子向量进行更新；

对齐步骤：使用所述本地数据和更新后的所述本地用户因子向量，通过加密的方式将所述数据集以不同的方式进行对齐；

上传步骤：将更新后的所述数据集进行加密并通过一个安全协议将其上传至所述服务器。

4.根据权利要求1所述的联邦学习模型训练方法，其特征在于，所述矩阵发送步骤包括：

模型更新步骤：基于更新后的所述数据集进行本地模型更新；

模型聚合步骤：所述服务器通过所述联邦加权算法聚合从各个用户客户端上传的更新后的所述本地模型；

矩阵更新步骤：使用更新后的所述本地模型聚合的结果对所述全局物料因子矩阵进行更新；

发送用户步骤：所述服务器将更新后的所述全局物料因子矩阵发送给各个用户。

5.一种联邦学习模型训练系统，其特征在于，用于解决推荐系统中数据隐私问题，包括：

矩阵下载模块：从服务器下载全局物料因子矩阵；

数据集上传模块：基于本地数据、所述全局物料因子矩阵与本地用户因子向量将数据集进行更新并上传至所述服务器；

矩阵发送模块：所述服务器基于联邦加权算法与更新后的本地模型对所述全局物料因子矩阵进行更新并发送给用户。

6.根据权利要求5所述的联邦学习模型训练系统，其特征在于，所述矩阵下载模块中的所述全局物料因子矩阵为随机的初始化模型或预训练模型。

7.根据权利要求5所述的联邦学习模型训练系统，其特征在于，所述数据集上传模块包括：

数据聚合单元：将所述数据集中的显式数据和隐式数据进行聚合；

向量更新单元：使用所述本地数据和所述全局物料因子矩阵对所述本地用户因子向量进行更新；

对齐单元：使用所述本地数据和更新后的所述本地用户因子向量，通过加密的方式将所述数据集以不同的方式进行对齐；

上传单元：将更新后的所述数据集进行加密并通过一个安全协议将其上传至所述服务器。

8.根据权利要求5所述的联邦学习模型训练系统，其特征在于，所述矩阵发送模块包括：

模型更新单元：基于更新后的所述数据集进行本地模型更新；

模型聚合单元：所述服务器通过所述联邦加权算法聚合从各个用户客户端上传的更新后的所述本地模型；

矩阵更新单元：使用更新后的所述本地模型聚合的结果对所述全局物料因子矩阵进行更新；

发送用户单元：所述服务器将更新后的所述全局物料因子矩阵发送给各个用户。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的联邦学习模型训练方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的联邦学习模型训练方法。