计算机科学与技术学院2019级博士生张春旭等的论文“GPFedRec: Graph-Guided Personalization for Federated Recommendation”被KDD 2024接收。论文的第一作者为杨博教授指导的2019级博士生张春旭，通讯作者为杨博教授，合作者包括悉尼科技大学龙国栋教授和马里兰大学周天翼教授。
联邦推荐系统是一种新兴的人工智能服务架构，能够以保护隐私的方式为用户提供推荐服务。利用用户关系图来增强联邦推荐是一个有前景的研究课题，然而,在联邦学习设置下，如何在保护数据隐私性的同时构建用户关系图仍然是一个开放的挑战性问题。受启发于一个简单的研究动机，即，相似的用户对同一个商品集合具有相似的视角，论文提出了一种图指导的个性化联邦推荐方法。该方法能够在不访问用户交互记录的前提下，基于每个终端的个性化商品嵌入在服务器端构建用户关系图。同时，论文设计了一种图指导的联邦聚合机制，能够在联邦优化框架下有效利用用户关系图。论文在五个基准数据集上充分验证了提出方法的优越性能。此外，该方法可以作为一个插件整合到现有的联邦推荐方法中，在保障用户隐私安全的同时有效提升推荐性能。
