D-RecSys：一种基于Web 3.0内容共享平台的分散式推荐框架

《ACM Transactions on Internet Technology》：D-RecSys: A Decentralized Recommendation Framework for Web 3.0-Based Content-Sharing Platforms

去中心化Web3.0环境下，D-RecSys框架通过联邦学习与聚类算法结合，利用区块链技术构建可信协同机制，在动漫、电商、手机推荐三大领域实验中，实现与集中式系统相当的推荐效果同时保障用户隐私匿名性。

　　

摘要

从集中式架构向去中心化或分布式架构的转变为互联网带来了诸多优势，但也带来了显著的挑战。其中一个关键挑战是用户画像，即如何实现个性化服务，尤其是个性化内容推荐。传统的集中式推荐系统依赖于汇总的用户数据和中央服务器，这与Web 3.0的去中心化原则不兼容。为了解决这一难题，我们提出了，这是一个专为基于Web 3.0的内容共享去中心化应用（dApps）设计的推荐框架。结合了联邦学习和聚类算法，在保护用户隐私和匿名性的同时提供个性化推荐。该框架利用区块链技术实现无需信任的协调机制，通过改进的区块结构和挖矿算法生成全局模型。这种结构能够将本地模型聚合为中间区块模型，最终形成全局模型。为了验证的有效性，我们在模拟的Web 3.0环境中进行了多项实验。为了确保该框架的泛化能力，我们使用了来自不同领域的三个数据集：动漫推荐、电子商务产品推荐和手机推荐。实验结果表明，在遵循去中心化、用户匿名性和数据隐私等核心原则的同时，其性能可与集中式推荐系统相媲美。