一种考虑算法公平性的差分隐私矩阵分解方法及系统

本发明涉及一种考虑算法公平性的差分隐私矩阵分解方法及系统，属于计算机推荐系统和信息安全领域。该方法具体包括：首先进行预训练并保存用户隐因子向量P；初始化项目隐因子向量Q，依据用户特征将数据集划分不同的组；对各群组进行随机梯度下降训练得到并对进行动态裁剪；在梯度聚合后，基于动态裁剪阈值自适应添加噪声；每轮训练后重新计算梯度裁剪阈值Ct和噪声尺度σt；迭代完成后，推荐服务器将最终Q分发给用户，用户通过本地计算预测值生成推荐列表，返回top‑K项目。本发明在保障隐私的同时实现了算法公平性，兼顾隐私保护与用户体验一致性。