一种基于图联邦学习的隐私保护推荐方法

本发明公开了一种基于图联邦学习的隐私保护推荐方法，属于智能推荐技术领域。方法主要包括：客户端接收初始权重，基于用户本地数据构建初始用户‑物品交互图；基于图神经网络基于初始权重对初始用户‑物品交互图上节点之间的交互进行建模；基于用户本地数据训练所述本地用户‑物品交互模型；服务器端对各客户端上传的物品嵌入矩阵梯度进行聚合；服务器端对更新后的物品嵌入矩阵进行聚类，生成采样物品集合；客户端基于用户局部交互子图对本地用户‑物品交互模型进行基于自监督学习的多任务联合训练，基于训练后的本地用户‑物品交互模型进行物品推荐。本发明能够缓解数据分布不均衡问题，同时降低用户隐私泄露风险。