基于联邦学习的个性化跨域推荐方法及系统

本发明公开了一种基于联邦学习的个性化跨域推荐方法及系统，该方法在将用户和物品交互的原始数据以及用户参数保留在其本地的前提下，为用户提供个性化的跨域推荐服务。该方法包含两阶段联邦训练，阶段1是域内用户使用神经协同过滤方法协作训练单域评分预测模型；阶段2是两域的重叠用户协作训练一个基于多层神经网络的迁移模块来捕获两个域之间的用户潜在特征表示的映射关系。另外，本发明将跨域推荐模型的每一层网络分解为一个基向量与一个个性化向量，分别表示不同用户之间的共同知识和用户自身独有的知识，最终训练获得的本地模型能够为目标域已注册用户提供个性化的推荐服务，同时训练获得的全局模型为目标域新用户提供有效的初始推荐，有效缓解推荐算法中的“冷启动”问题。