软件学报

作者：史鼎元，王晏晟，郑鹏飞，童咏昕

单位：史鼎元，软件开发环境国家重点实验室(北京航空航天大学), 北京 100191;大数据科学与脑机智能高精尖创新中心(北京航空航天大学), 北京 100191;北京航空航天大学 计算机学院, 北京 10019111,王晏晟，软件开发环境国家重点实验室(北京航空航天大学), 北京 100191;大数据科学与脑机智能高精尖创新中心(北京航空航天大学), 北京 100191;北京航空航天大学 计算机学院, 北京 10019102,郑鹏飞，软件开发环境国家重点实验室(北京航空航天大学), 北京 100191;大数据科学与脑机智能高精尖创新中心(北京航空航天大学), 北京 100191;北京航空航天大学 计算机学院, 北京 10019103,童咏昕，软件开发环境国家重点实验室(北京航空航天大学), 北京 100191;大数据科学与脑机智能高精尖创新中心(北京航空航天大学), 北京 100191;北京航空航天大学 计算机学院, 北京 10019104

关键词：排序学习;企业数据孤岛;联邦学习;略图;差分隐私

基金：国家重点研发计划（2018AAA0101100）；国家自然科学基金（61822201，U1811463）；软件开发环境国家重点实验室（北京航空航天大学）开放课题（SKLSDE-2020ZX-15）

排序学习（learning-to-rank，简称LTR）模型在信息检索领域取得了显著成果，而该模型的传统训练方法需要收集大规模文本数据.然而，随着数据隐私保护日渐受到人们重视，从多个数据拥有者（如企业）手中收集数据训练排序学习模型的方式变得不可行.各企业之间数据被迫独立存储，形成了数据孤岛.由于排序模型训练需要使用查询记录、文档等诸多隐私信息，数据孤岛难以融合打通，这制约了排序学习模型的训练.联邦学习能够让多数据拥有方在隐私保护的前提下联合训练模型，是一种打通数据孤岛的新方法.在其启发下，提出了一种新的框架，即面向企业数据孤岛的联邦排序学习，它同时解决了联邦学习场景下排序学习所面临的两大挑战，即交叉特征生成与缺失标签处理.为了应对多方交叉特征的生成问题，使用了一种基于略图（sketch）数据结构与差分隐私的方法，其相比于传统加密方法具有更高的效率，同时还具有隐私性与结果精度的理论保证.为了应对缺失标签问题，提出了一种新的联邦半监督学习方法.最终，通过在公开数据集上的大量实验，验证了所提方法的有效性.

来源：2021年第3期

《软件学报》期刊编辑部

查看软件学报杂志2021年第3期