[发明专利]隐私保护的跨域推荐方法、系统、存储介质、计算机设备

权利要求书

1.一种隐私保护的跨域推荐方法，其特征在于，所述隐私保护的跨域推荐方法包括：

建立本地模型，针对各个域中的用户-项目关系图，基于图神经网络技术从图中学习用户、项目特征，利用交叉熵损失函数对本地模型进行训练；

上传模型梯度，将本地训练好的模型梯度添加基于瑞丽熵的差分隐私(Rényi-Differential Privacy，RDP)的噪声之后再上传给服务器，并没有直接上传用户数据，可以有效保护用户隐私；

聚合更新模型，服务器使用FedAvg算法，对于各个域上传的模型梯度进行聚合，以此更新全局的模型；

更新后的模型下发给各个域，各个域再根据下发的全局模型，更新本地模型，迭代这个过程直至收敛。

2.如权利要求1所述的隐私保护的跨域推荐方法，其特征在于，所述隐私保护的跨域推荐方法的具体包括以下步骤：

步骤一，在每个域中构建用户-项目交互关系图，以用户和项目作为节点，它们之间的交互关系作为边，输入各个域中构建的关系图，包括n个不同领域的数据集；

步骤二，初始化模型，中心服务器初始化全局模型，使用相同的随机种子seed初始化每个域中的模型参数θ_i；

步骤三，每个域在本地并行的训练基于图神经网络的跨域推荐模型，以交叉熵损失函数作为模型的目标函数，进而得到本地模型；

步骤四，每个域在给服务器上传本地模型之前，需要进行一些处理，对本地模型梯度添加RDP噪声；

步骤五，服务器接收来自各个域中的上传的添加RDP噪声的模型梯度之后，使用FedAvg算法进行聚合，根据聚合结果更新全局模型；

步骤六，将全局模型再分发给各个域，每个域再根据全局模型调整本地模型；

步骤七，重复上述过程，直至模型训练收敛。

3.如权利要求2所述的隐私保护的跨域推荐方法，其特征在于，所述步骤一中，各个域中用户-项目交互图的建立过程为：针对不同的领域，以用户、项目作为节点，它们之间的交互关系作为边，构建用户-项目交互图，作为隐私保护的跨域推荐方法的输入。

4.如权利要求2所述的隐私保护的跨域推荐方法，其特征在于，所述步骤一中，用户-项目交互图具体为：根据用户、项目的交互情况进行构造，交互图建模了用户和项目的交互关系；使用G＝(V，E)表示异构图，其中用户U＝{u₁，u₂，...，u_M}、项目I＝{i₁，i₂，...，i_N}作为图中的节点V，M和N分别表示用户和项目的个数，用户-项目交互矩阵表示为E_M×N＝{e_ui|u∈U，i∈I}，e_ui表示图中的边E，当用户u和项目i有交互时，e_ui＝1，否则为0。最终在各个域中完成交互图的构造。