推薦系統(tǒng)簡介
1. 推薦系統(tǒng)應(yīng)用廣泛
推薦系統(tǒng)在互聯(lián)網(wǎng)中的應(yīng)用非常廣泛乙嘀，包括：電商、社交熙揍、信息流、在線視頻氏涩、在線廣告等場景届囚。
2. 推薦系統(tǒng)極大提高效率
推薦系統(tǒng)也是AI在商業(yè)領(lǐng)域成功應(yīng)用的典型代表。推薦系統(tǒng)大大提高了用戶獲取信息的效率是尖，幫助用戶在海量信息中快速找到匹配的信息意系；另外，推薦系統(tǒng)還可以幫助企業(yè)找到合適的用戶群饺汹，從而降低獲客成本蛔添，提高投資回報(bào)率。比如，在應(yīng)用推薦系統(tǒng)后迎瞧，Youtube視頻點(diǎn)播率提高了60%夸溶；Netflix電影的播放量提高了80%，亞馬遜的用戶瀏覽量提高了30%凶硅，這都是很大缝裁，很可觀的提升。
3. 推薦系統(tǒng)的原理
在數(shù)學(xué)上足绅，推薦系統(tǒng)是一個(gè)矩陣填充的問題捷绑。
4. 推薦系統(tǒng)面臨的問題
① 數(shù)據(jù)孤島問題
數(shù)據(jù)通常是分散隔離的，存儲在不同的企業(yè)编检，即所謂的數(shù)據(jù)孤島問題胎食。
② 數(shù)據(jù)監(jiān)管問題
例如歐盟的GDPR和國內(nèi)監(jiān)管政策的嚴(yán)格扰才，隱私保護(hù)是推薦系統(tǒng)必不可少的一個(gè)環(huán)節(jié)允懂。隨著數(shù)據(jù)監(jiān)管體系不斷完善，各個(gè)企業(yè)都在不斷的加強(qiáng)對用戶隱私的保護(hù)衩匣。
5. 差分隱私解決方法
在這種情況下蕾总，比如差分隱私是一種比較常用的隱私保護(hù)方法。它是在數(shù)據(jù)中加入一些差分隱私來保護(hù)用戶的隱私琅捏。它可以用于建模的各個(gè)環(huán)節(jié)生百，比如在用戶數(shù)據(jù)收集的過程中加入，也可以在建模的過程中柄延，比如梯度計(jì)算蚀浆，模型參數(shù)中加入差分隱私噪聲，還可以在預(yù)估結(jié)果中加入噪聲搜吧。
但是市俊，現(xiàn)在的方法，包括差分隱私并不能完全滿足我們的需求滤奈。隨著差分隱私噪聲的增加摆昧，確實(shí)可以保護(hù)隱私，但性能是下降的蜒程。如上圖绅你，在增加差分隱私噪聲的情況下，性能下降非痴烟桑快忌锯。我們希望，有一種新的技術(shù)可以在保護(hù)隱私的情況下做到性能無損领炫。另外一個(gè)問題是偶垮，加入噪聲的數(shù)據(jù)還是有可能被集中收集，所以其并沒有從根本上解決數(shù)據(jù)安全的問題。我們希望新的技術(shù)可以做到數(shù)據(jù)不出本地针史，從而保障數(shù)據(jù)安全和用戶隱私晶伦。
聯(lián)邦推薦系統(tǒng)
什么是聯(lián)邦推薦系統(tǒng)
聯(lián)邦推薦可以在數(shù)據(jù)不出本地的情況下，在加密的環(huán)境中實(shí)現(xiàn)和傳統(tǒng)推薦算法一致的性能啄枕。
1. 聯(lián)邦學(xué)習(xí)的優(yōu)點(diǎn)
2.?聯(lián)邦推薦系統(tǒng)的分類
聯(lián)邦推薦算法原理及實(shí)現(xiàn)
1.?縱向聯(lián)邦推薦
縱向聯(lián)邦推薦介紹：
縱向聯(lián)邦矩陣分解：
縱向聯(lián)邦矩陣分解的訓(xùn)練過程：
2. 橫向聯(lián)邦推薦
橫向聯(lián)邦推薦是有大量相同的物品婚陪，但各方有不同的用戶。比如不同地區(qū)的電影推薦系統(tǒng)中频祝，內(nèi)容是一樣的泌参，但用戶群體不一樣。每個(gè)參與方都是一個(gè)單獨(dú)的用戶常空，但推薦的電影是一樣的沽一。
橫向聯(lián)邦矩陣分解：
橫向聯(lián)邦矩陣分解的訓(xùn)練過程：
