GNN4FR：一种基于 GNN 的无损联邦推荐框架
信息检索
2023-08-03 v1 密码学与安全
机器学习
摘要
图神经网络（GNN）因能捕捉用户与商品节点间的高阶结构信息，在推荐系统中广受欢迎。然而，这些方法需收集用户与相应商品间的个人交互数据，并在中心服务器建模，这将违反 GDPR 等隐私法规。迄今，尚无现有工作能在不泄露各用户私有交互数据（即其 subgraph）的情况下构建全局图。本文首次设计一种基于 GNN 的新型无损联邦推荐框架，其以完整高阶结构信息实现全图训练，使训练过程等同于相应的非联邦对应方法。此外，我们使用 LightGCN 实例化框架的一个示例并展示其等价性。
引用
@article{arxiv.2308.01197,
title = {GNN4FR: A Lossless GNN-based Federated Recommendation Framework},
author = {Guowei Wu and Weike Pan and Zhong Ming},
journal= {arXiv preprint arXiv:2308.01197},
year = {2023}
}