基于特征重调整的联邦交叉视图电子商务推荐方法

本发明提出了基于特征重调整的联邦交叉视图电子商务推荐方法，旨在提升推荐系统的隐私保护能力和多视图数据融合效果。该方法在用户客户端收集多个视图的数据集，通过深度神经网络提取用户和项目的特征表示。在此基础上，采用特征重调整机制动态调整特征通道的权重，增强重要特征的表示能力，并抑制噪声和冗余特征的干扰。该方法保证用户原始数据留在本地，降低数据泄露风险，实现用户隐私保护。同时，通过优化损失函数和后验概率计算，系统能够生成个性化推荐列表。联邦学习中的全局模型参数聚合机制提升了推荐的准确性和系统响应速度，适应于大规模用户的个性化需求。