典型文献
联邦个性化学习推荐系统研究
文献摘要：
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.
文献关键词：
联邦学习;个性化学习推荐;数据隐私;联邦推荐算法
中图分类号：
作者姓名：
李康康;袁萌;林凡
作者机构：
江苏师范大学 江苏省教育信息化工程技术研究中心,江苏徐州 221116;江苏师范大学 智慧教育学院,江苏徐州 221116;厦门大学 信息学院,福建厦门 361000
文献出处：
引用格式：
[1]李康康;袁萌;林凡-.联邦个性化学习推荐系统研究)[J].现代教育技术,2022(02):118-126
A类：
B类：
个性化学习推荐,推荐系统,数据隐私保护,冷启动,联邦学习,习作,隐私保护机器学习,机器学习技术,技术解决方案,别针,应用场景设计,助教,教育利益,利益相关者,共享数据,数据价值,更高质量,推荐服务,联邦推荐算法
AB值：
0.254159
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
