买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江大学申请的专利基于Multi-Krum的联邦贝叶斯个性化排序推荐方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115033781B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210492179.1，技术领域涉及：G06F16/9535；该发明授权基于Multi-Krum的联邦贝叶斯个性化排序推荐方法及系统是由陈建海;俞郭遥;黄宇晨;孟令雨;荣大中;方舟;何钦铭设计研发完成，并于2022-05-07向国家知识产权局提交的专利申请。

本基于Multi-Krum的联邦贝叶斯个性化排序推荐方法及系统在说明书摘要公布了：本发明公开了一种基于Multi‑Krum的联邦贝叶斯个性化排序推荐方法及系统，属于推荐系统及联邦学习领域。在每个用户端随机选取与该用户交互过的项目数量相等的未交互的项目，构建偏序关系三元组；在每个用户端初始化用户模型参数，在中心服务器端初始化项目模型参数；中心服务器端随机抽取若干个用户端参与训练，本地用户端根据生成的本地用户模型参数的梯度更新用户模型参数，中心服务器端采用Multi‑Krum聚合方法更新项目模型参数，直至推荐系统模型收敛；根据本地用户模型参数和项目模型参数计算各个项目的推荐程度。本发明的推荐系统保护了用户隐私，并有效抵制了恶意梯度的攻击，提升了联邦推荐系统的鲁棒性和安全性。

本发明授权基于Multi-Krum的联邦贝叶斯个性化排序推荐方法及系统在权利要求书中公布了：1.一种基于Multi-Krum的联邦贝叶斯个性化排序推荐方法，其特征在于，包括以下步骤：步骤1：在每个用户端随机选取与该用户交互过的项目数量相等的未交互的项目，构建偏序关系三元组；具体为：每个用户在第一轮训练开始之前随机选取与其交互过的项目数量相等的未交互项目，并让其交互过的项目和随机选取的未交互过的项目一一对应，与该用户本身共同组成若干个偏序关系三元组；步骤2：在每个用户端初始化用户模型参数，在中心服务器端初始化项目模型参数；所述的用户模型参数为维度为1×k的本地用户特征向量，项目模型参数是由全体项目的项目特征向量构成的项目特征矩阵，维度为n×k，n为项目数量；步骤3：中心服务器端随机抽取若干个用户端参与训练，本地用户端使用步骤1构建的全部偏序关系三元组计算推荐系统模型的本地损失函数值，所述的推荐系统模型由用户模型和项目模型构成；根据本地损失函数值生成本地用户模型参数的梯度和项目模型参数的梯度，所述的本地用户模型参数的梯度用于更新本地用户模型参数，项目模型参数用于回传至中心服务器端，采用Multi-Krum聚合方法更新项目模型参数；所述的步骤3具体为：3.1中心服务器端将项目模型参数发送给每一个参与训练的用户端；3.2每一个参与训练的用户端依据本地生成的偏序关系三元组，以及本地的用户模型参数、中心服务器端发送的项目模型参数，计算模型的损失函数值；3.3每一个参与训练的用户端依据得到的损失函数值，计算出用户模型参数的梯度、项目模型参数的梯度；3.4每一个参与训练的用户端依据本地的用户模型参数的梯度，更新本地用户模型参数，并将计算出的项目模型参数的梯度上传至中心服务器端；3.5中心服务器端收集齐所有参与训练的用户端上传的项目模型参数的梯度，构成回传梯度集合，并采用Multi-Krum聚合方法更新项目模型参数；所述的采用Multi-Krum聚合方法更新项目模型参数，具体为：3.5.1计算回传梯度集合中的每一个梯度与其他梯度的范式距离之和；3.5.2选取范式距离最小的梯度加入有效梯度集合；3.5.3将选中的梯度从回传梯度集合中剔除；3.5.4重复步骤3.5.1至步骤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为聚合梯度，更新项目模型参数；步骤4：重复步骤3，直至推荐系统模型收敛；步骤5：在本地用户端进行项目推荐时，根据本地用户模型参数和项目模型参数的内积，计算针对本地用户的各个项目的推荐程度，选取排名靠前的项目作为推荐结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。