Federated Learning 中的演化主题：趋势及面向信息系统的新兴方向

联邦学习（FL）是一种流行的方法，使组织能够在不泄露数据隐私和安全性的前提下训练机器学习模型。随着联邦学习领域的不断发展，对于信息系统（IS）研究者而言，深入了解该主题、当前趋势及未来研究方向至关重要。因此，本文对联邦学习进行了全面的计算文献综述，并呈现了该领域的研究格局。通过利用先进的数据分析技术并运用主题建模方法，我们识别并分析了影响联邦学习研究的最突出的15个主题和领域。我们还提出了引导性研究问题，以激发IS学者进一步研究的方向。我们的工作对学者、实践者和政策制定者都具有价值，因为它提供了关于联邦学习最新研究的全面概览。