近日，我院大数据与城市计算团队在联邦推荐算法领域的综述性研究论文“Horizontal Federated Recommender System: A Survey”被计算机领域国际顶级期刊ACM Computing Surveys（CSUR）正式录用。据悉，该论文是浙江工业大学第一单位在CSUR上录用的首篇研究成果，第一作者是硕士生王凌云，团队沈国江教授为共同作者，孔祥杰教授为通讯作者。

联邦推荐算法是在保护用户隐私和本地化约束原始数据的前提下，为解决数据孤岛问题而发展起来的一种前沿推荐技术。该综述论文调研了目前业内最新的研究成果，从“联邦场景下如何设计推荐模型”、“联邦场景下如何满足隐私需求”和“联邦场景的典型问题”三个角度出发分为Model Perspective、Privacy Perspective和Federated Perspective三个大类。其中，模型大类全面地归纳了统计机器学习、深度学习、元学习和强化学习的代表性工作；隐私大类具体至部分同态、全同态、随机响应等隐私保护算法；联邦大类涉及知识蒸馏、聚类、参数压缩等技术对通信开销和公平性的影响。最后，该文从开源项目、异构联邦学习、联邦知识图谱、联邦可扩展性、个性化联邦学习等多个方面讨论联邦推荐算法的未来研究。

ACM Computing Surveys是美国计算机协会（ACM）旗下的旗舰期刊，也是计算机领域国际顶级期刊之一，于1969年创刊，致力于接收计算机领域具有代表性的前沿综述论文，帮助从业者和研究人员了解迅速发展的计算领域前沿科学问题，目前影响因子为16.6。

题目：Horizontal Federated Recommender System: A Survey

作者：Lingyun Wang, Hanlin Zhou, Yinwei Bao, Xiaoran Yan, Guojiang Shen, Xiangjie Kong*