買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué)申請的專利基于Multi-Krum的聯(lián)邦貝葉斯個性化排序推薦方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115033781B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210492179.1，技術(shù)領(lǐng)域涉及：G06F16/9535；該發(fā)明授權(quán)基于Multi-Krum的聯(lián)邦貝葉斯個性化排序推薦方法及系統(tǒng)是由陳建海;俞郭遙;黃宇晨;孟令雨;榮大中;方舟;何欽銘設(shè)計研發(fā)完成，并于2022-05-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于Multi-Krum的聯(lián)邦貝葉斯個性化排序推薦方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于Multi?Krum的聯(lián)邦貝葉斯個性化排序推薦方法及系統(tǒng)，屬于推薦系統(tǒng)及聯(lián)邦學(xué)習(xí)領(lǐng)域。在每個用戶端隨機(jī)選取與該用戶交互過的項目數(shù)量相等的未交互的項目，構(gòu)建偏序關(guān)系三元組；在每個用戶端初始化用戶模型參數(shù)，在中心服務(wù)器端初始化項目模型參數(shù)；中心服務(wù)器端隨機(jī)抽取若干個用戶端參與訓(xùn)練，本地用戶端根據(jù)生成的本地用戶模型參數(shù)的梯度更新用戶模型參數(shù)，中心服務(wù)器端采用Multi?Krum聚合方法更新項目模型參數(shù)，直至推薦系統(tǒng)模型收斂；根據(jù)本地用戶模型參數(shù)和項目模型參數(shù)計算各個項目的推薦程度。本發(fā)明的推薦系統(tǒng)保護(hù)了用戶隱私，并有效抵制了惡意梯度的攻擊，提升了聯(lián)邦推薦系統(tǒng)的魯棒性和安全性。

本發(fā)明授權(quán)基于Multi-Krum的聯(lián)邦貝葉斯個性化排序推薦方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于Multi-Krum的聯(lián)邦貝葉斯個性化排序推薦方法，其特征在于，包括以下步驟：步驟1：在每個用戶端隨機(jī)選取與該用戶交互過的項目數(shù)量相等的未交互的項目，構(gòu)建偏序關(guān)系三元組；具體為：每個用戶在第一輪訓(xùn)練開始之前隨機(jī)選取與其交互過的項目數(shù)量相等的未交互項目，并讓其交互過的項目和隨機(jī)選取的未交互過的項目一一對應(yīng)，與該用戶本身共同組成若干個偏序關(guān)系三元組；步驟2：在每個用戶端初始化用戶模型參數(shù)，在中心服務(wù)器端初始化項目模型參數(shù)；所述的用戶模型參數(shù)為維度為1×k的本地用戶特征向量，項目模型參數(shù)是由全體項目的項目特征向量構(gòu)成的項目特征矩陣，維度為n×k，n為項目數(shù)量；步驟3：中心服務(wù)器端隨機(jī)抽取若干個用戶端參與訓(xùn)練，本地用戶端使用步驟1構(gòu)建的全部偏序關(guān)系三元組計算推薦系統(tǒng)模型的本地?fù)p失函數(shù)值，所述的推薦系統(tǒng)模型由用戶模型和項目模型構(gòu)成；根據(jù)本地?fù)p失函數(shù)值生成本地用戶模型參數(shù)的梯度和項目模型參數(shù)的梯度，所述的本地用戶模型參數(shù)的梯度用于更新本地用戶模型參數(shù)，項目模型參數(shù)用于回傳至中心服務(wù)器端，采用Multi-Krum聚合方法更新項目模型參數(shù)；所述的步驟3具體為：3.1中心服務(wù)器端將項目模型參數(shù)發(fā)送給每一個參與訓(xùn)練的用戶端；3.2每一個參與訓(xùn)練的用戶端依據(jù)本地生成的偏序關(guān)系三元組，以及本地的用戶模型參數(shù)、中心服務(wù)器端發(fā)送的項目模型參數(shù)，計算模型的損失函數(shù)值；3.3每一個參與訓(xùn)練的用戶端依據(jù)得到的損失函數(shù)值，計算出用戶模型參數(shù)的梯度、項目模型參數(shù)的梯度；3.4每一個參與訓(xùn)練的用戶端依據(jù)本地的用戶模型參數(shù)的梯度，更新本地用戶模型參數(shù)，并將計算出的項目模型參數(shù)的梯度上傳至中心服務(wù)器端；3.5中心服務(wù)器端收集齊所有參與訓(xùn)練的用戶端上傳的項目模型參數(shù)的梯度，構(gòu)成回傳梯度集合，并采用Multi-Krum聚合方法更新項目模型參數(shù)；所述的采用Multi-Krum聚合方法更新項目模型參數(shù)，具體為：3.5.1計算回傳梯度集合中的每一個梯度與其他梯度的范式距離之和；3.5.2選取范式距離最小的梯度加入有效梯度集合；3.5.3將選中的梯度從回傳梯度集合中剔除；3.5.4重復(fù)步驟3.5.1至步驟3.5.3若干次，得到有效梯度集合；3.5.5取有效梯度集合中所有梯度的平均值作為聚合梯度，更新項目模型參數(shù)；步驟4：重復(fù)步驟3，直至推薦系統(tǒng)模型收斂；步驟5：在本地用戶端進(jìn)行項目推薦時，根據(jù)本地用戶模型參數(shù)和項目模型參數(shù)的內(nèi)積，計算針對本地用戶的各個項目的推薦程度，選取排名靠前的項目作為推薦結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。