Sistema de Recomendación Descentralizado y con Privacidad para Smartphones

La creciente popularidad de los teléfonos móviles ha llevado a una abundancia de reseñas en línea, lo que dificulta a los consumidores tomar decisiones de compra bien informadas. Este estudio propone un enfoque novedoso de clasificación de calificaciones de teléfonos móviles basado en sistemas de recomendación, utilizando aprendizaje federado y características de Frecuencia de Término-Frecuencia Inversa de Documento (TF-IDF). Creamos un conjunto de datos novedoso raspando más de 13,000 reseñas de teléfonos móviles del sitio web de Flipkart. El enfoque propuesto implica el desarrollo de una red neuronal profunda federada (FDNN) para clasificar el nuevo conjunto de datos de Flipkart. Este enfoque incluye limpieza de datos, balanceo, extracción de características TF-IDF y predicción utilizando aprendizaje federado. Empleamos dos clientes y un servidor y realizamos tres rondas de experimentos. Los resultados experimentales demuestran que el enfoque propuesto logró una precisión del 96.68% en el lado del servidor agregado, mientras mantenía la seguridad de los datos del cliente en sus dispositivos locales. El enfoque propuesto tiene el potencial de ayudar a los consumidores a tomar decisiones de compra bien informadas y puede extenderse a otras plataformas de comercio electrónico con grandes conjuntos de datos de reseñas en línea.