联邦学习：联邦多视角学习在跨领域推荐中的应用

推荐系统中常常面临冷启动和用户交互数据稀疏的问题。解决这个问题的一个手段就是对用户在多个领域(domain)的日志数据联合起来进行建模，而多视角(multi view)推荐模型就是一种常见的跨领域数据联合建模方式，它会将多个视角对应的特征映射到一个共享的隐空间（latent space）。跨领域推荐在实际应用中常常面临隐私性的挑战，其一是不同用户的数据难以合法地进行集中化收集；其二是其使用的迁移学习模型跨不同的域和数据集进行映射，这常常会关联到不同的组织机构，同样会面临隐私问题[2]。此时上面提到的需要将数据集中起来的多视角学习方法就不再行得通了，需要考虑在联邦场景下的多视角推荐模型。