一种基于知识增量协同的联邦隐私保护序列推荐方法

一种基于知识增量协同的联邦隐私保护序列推荐方法，涉及数据隐私保护领域。本发明是为了解决现有联邦隐私保护序列推荐方法存在隐私暴露、推荐准确率低的问题。本发明包括：获取用户历史交互物品，将用户历史交互物品输入到优化后的客户端，优化后的服务器端将全局嵌入矩阵发送给优化后的客户端，优化后的客户端利用全局嵌入矩阵获得候选池中每个物品的评分，将评分最高的L个物品组成推荐列表并输出推荐列表。本发明用户的偏好向量和其他高熵特征始终留存在客户端本地，从根本上切断了敏感信息通过梯度路径泄露的渠道，避免了用户的隐私暴露。本发明用于序列推荐。