一种基于联邦学习的推荐方法、装置、设备和存储介质

本申请公开了一种基于联邦学习的推荐方法、装置、设备和存储介质，用于提高推荐系统的公平性。本申请接收目标对象上传的目标属性；基于目标属性对目标对象进行分组，得到群体；针对每个群体基于目标属性的属性值对目标对象进行分组，得到子群体；针对每个子群体，将子群体对应的模型参数集发送给子群体中的每个目标对象；以使目标对象根据接收到的模型参数集本地模型进行训练；本地模型用于执行推荐操作。用户可以选择自己期望的敏感属性，根据不同的敏感属性构建不同的群体，并根据群体中的不同取值来构建子群体，针对每个子群体均设置了对应的模型参数集，进而可以保证训练得到的本地模型更加的准确，可以保证公平性的同时提供较高的推荐性能。