联邦个性化学习推荐系统研究
李康康 袁萌 林凡
江苏师范大学江苏省教育信息化工程技术研究中心 江苏师范大学智慧教育学院 厦门大学信息学院
当前，个性化学习推荐系统面临数据隐私保护、“冷启动”和法律约束等问题，而联邦学习作为近年来优秀的数据隐私保护机器学习技术解决方案，可有效解决这些问题。基于此，文章将联邦学习和个性化学习推荐相结合，设计了联邦个性化学习推荐系统。首先，文章分析了联邦个性化学习推荐系统的具体应用场景，包括横向联邦、纵向联邦、联邦强化三种。其次，文章分别针对这三种应用场景设计了相应的应用解决方案。最后，文章探讨了未来联邦个性化学习推荐系统面临的严峻挑战，以期帮助教育利益相关者在保护数据隐私的同时共享数据价值，最终实现更安全、更高质量的个性化学习推荐服务。
全文下载
在线阅读
赣公网安备 36012102000372号
互知学术
全科互知