一种基于梯度离群值检测的联邦学习推荐模型优化方法

本发明属于数据处理技术领域，具体涉及一种基于梯度离群值检测的联邦学习推荐模型优化方法；包括：服务器初始化推荐模型参数并将其发送给每个客户端；每个客户端进行本地训练并生成本地推荐模型梯度；向每个客户端的本地推荐模型梯度添加噪声；将噪声和梯度发送给服务器，将噪声部分发送给哨兵客户端；哨兵客户端对接收到的噪声进行中和处理，得到客户端中和数据并将其发送给服务器；服务器对接收到的噪声和梯度进行中和处理，得到服务器中和数据；服务器对客户端和服务器的中和数据进行碎片拼接和去噪处理，得到全局推荐模型梯度；服务器根据全局推荐模型梯度更新全局推荐模型参数，不断训练得到训练好的推荐模型；本发明提高梯度的质量和准确性，进而提高模型准确性。