基于大型语言模型增强的联邦跨域点击率预测

本研究解决了在严格隐私限制下准确预测点击率（CTR）的挑战，尤其是在用户-项目交互稀疏且碎片化的情况下。提出的联邦跨域CTR预测框架（FedCCTR-LM）结合了大语言模型增强、领域特定偏好解耦及自适应隐私保护机制，从而在综合考虑隐私保护的同时显著提升了预测准确性。实证结果显示，该方法在多个真实世界数据集上均优于现有基线，展现出强大的可推广性和隐私保护能力。