買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉安徽師范大學申請的專利基于聯邦矩陣分解的推薦方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116578775B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310454916.3，技術領域涉及：G06F16/9535；該發明授權基于聯邦矩陣分解的推薦方法是由鄭孝遙;賈先敏;程雄超;何文軒;俞慶英;孫麗萍;郭良敏;羅永龍設計研發完成，并于2023-04-25向國家知識產權局提交的專利申請。

本基于聯邦矩陣分解的推薦方法在說明書摘要公布了：本發明公開一種基于聯邦矩陣分解的推薦方法，包括如下步驟：S1、當前全局模型參數Pτ廣播至所有的所有客戶端；S2、各客戶端以全局模型參數Pτ作為初始的局部模型參數，本地訓練局部模型參數，將訓練過程的局部模型參數M上傳至服務器；S3、服務器基于局部模型參數M形成對應客戶端的舉報名單，基于舉報名單找出誠實客戶端，對誠實客戶端的局部模型參數M進行聚合，更新第τ+1輪全局模型參數Pτ+1，檢測全局模型參數Pτ+1是否收斂，若檢測結果為是，則執行步驟S4，若檢測結果為否，則全局模型參數Pτ+1作為當前全局模型參數，執行步驟S1；S4、基于收斂后的全局模型參數P來預測各用戶對各項目的評分，將預測評分最高的項目推薦給對應的客戶。將惡意更新剔除，提升誠實客戶端在聚合中所占比例，以提高推薦精度。

本發明授權基于聯邦矩陣分解的推薦方法在權利要求書中公布了：1.一種基于聯邦矩陣分解的推薦方法，其特征在于，所述方法包括如下步驟： S1、將第τ輪全局模型參數Pτ作為當前全局參數，廣播至所有的所有客戶端； S2、各客戶端以全局模型參數Pτ作為初始的局部模型參數，本地訓練局部模型參數，將訓練過程的局部模型參數M上傳至服務器； S3、服務器基于局部模型參數M形成對應客戶端的舉報名單，基于舉報名單找出誠實客戶端，對誠實客戶端的局部模型參數M進行聚合，更新第τ+1輪全局模型參數Pτ+1，檢測全局模型參數Pτ+1是否收斂，若檢測結果為是，則執行步驟S4，若檢測結果為否，則全局模型參數Pτ+1作為當前全局模型參數，執行步驟S1； S4、基于收斂后的全局模型參數P來預測各用戶對各項目的評分，將預測評分最高的項目推薦給對應的用戶； 第i個客戶端的舉報名單形成方法具體如下： 基于局部模型參數Mi中的項目偏好向量更新差異計算第i個客戶端與其他客戶端間的項目偏好更新的相似度，基于相似度來識別第i個客戶端的惡意客戶端，添加至第i個客戶端的舉報名單Ri； 誠實客戶端的獲取方法具體如下： 服務器根據所有客戶端的舉報名單統計當前τ輪所有客戶端被舉報次數； 將舉報次數小于次數閾值的客戶端記錄在第τ輪的候選誠實名單Hτ中，將舉報次數大于或等于次數閾值的客戶端記錄在第τ輪的候選攻擊名單Aτ中； 若候選誠實名單Hτ記錄的客戶端總數超過次數閾值ξ，則統計各客戶端在候選攻擊總名單A中出現的次數總和，客戶端在候選攻擊總名單A中出現的次數總和大于候選攻擊總名單A中所有客戶端被舉報的總次數均值avgA，則將該客戶端放入攻擊名單Aτ′； 若候選攻擊名單Aτ記錄的客戶端總數超過次數閾值ξ，則將候選攻擊名單Aτ中的客戶端放入攻擊名單Aτ′中，攻擊名單Aτ′之外的客戶端即為誠實客戶端； 基于如下公式預測客戶端i對項目o的評分 其中，μo表示所有客戶端對項目o的評分平均值，buser、bitem、puser、qitem分別表示收斂全局模型參數P中的用戶偏好向量，項目偏好向量、用戶向量、項目向量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽師范大學，其通訊地址為：241000 安徽省蕪湖市弋江區花津南路安徽師范大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。