微眾銀行在聯(lián)邦推薦算法上的探索及應(yīng)用 - 閱讀筆記

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:

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市漓糙,隨后出現(xiàn)的幾起案子铣缠,更是在濱河造成了極大的恐慌,老刑警劉巖昆禽,帶你破解...
    沈念sama閱讀 211,743評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件蝗蛙,死亡現(xiàn)場離奇詭異,居然都是意外死亡醉鳖,警方通過查閱死者的電腦和手機(jī)捡硅,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來盗棵,“玉大人壮韭,你說我怎么就攤上這事∥埔颍” “怎么了喷屋?”我有些...
    開封第一講書人閱讀 157,285評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長辐怕。 經(jīng)常有香客問我逼蒙,道長,這世上最難降的妖魔是什么寄疏? 我笑而不...
    開封第一講書人閱讀 56,485評論 1 283
  • 正文 為了忘掉前任是牢,我火速辦了婚禮,結(jié)果婚禮上陕截,老公的妹妹穿的比我還像新娘驳棱。我一直安慰自己,他們只是感情好农曲,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評論 6 386
  • 文/花漫 我一把揭開白布社搅。 她就那樣靜靜地躺著驻债,像睡著了一般。 火紅的嫁衣襯著肌膚如雪形葬。 梳的紋絲不亂的頭發(fā)上合呐,一...
    開封第一講書人閱讀 49,821評論 1 290
  • 那天,我揣著相機(jī)與錄音笙以,去河邊找鬼淌实。 笑死,一個(gè)胖子當(dāng)著我的面吹牛猖腕,可吹牛的內(nèi)容都是我干的拆祈。 我是一名探鬼主播,決...
    沈念sama閱讀 38,960評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼倘感,長吁一口氣:“原來是場噩夢啊……” “哼放坏!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起老玛,我...
    開封第一講書人閱讀 37,719評論 0 266
  • 序言:老撾萬榮一對情侶失蹤血公,失蹤者是張志新(化名)和其女友劉穎治泥,沒想到半個(gè)月后克胳,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體陪汽,經(jīng)...
    沈念sama閱讀 44,186評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡惕艳,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,516評論 2 327
  • 正文 我和宋清朗相戀三年澈驼,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了蒙兰。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片镜沽。...
    茶點(diǎn)故事閱讀 38,650評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡炊昆,死狀恐怖桨吊,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情凤巨,我是刑警寧澤视乐,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站敢茁,受9級特大地震影響佑淀,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜彰檬,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評論 3 313
  • 文/蒙蒙 一伸刃、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧逢倍,春花似錦捧颅、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,757評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春扣典,著一層夾襖步出監(jiān)牢的瞬間妆毕,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,991評論 1 266
  • 我被黑心中介騙來泰國打工贮尖, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留设塔,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,370評論 2 360
  • 正文 我出身青樓远舅,卻偏偏與公主長得像闰蛔,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子图柏,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評論 2 349