مروری بر روشهای یادگیری فدرال در تبلیغات دیجیتال

یادگیری فدرال (Federated learning)، به عنوان یک رویکرد یادگیری ماشین غیرمتمرک، به دلایل توانایی اش در ایجاد تعادل بین حفظ حریم خصوصی داده ها و ساخت مدل های قابل اطمینان، توجه زیادی را در این حوزه ی تبلیغات دیجیتال و سایر سیستم های توصیه گر به خود جلب کرده است. مروری جامع بر کاربرد یادگیری فدرال در تبلیغات دیجیتال ارائه می دهد و با انتقاد دقیق منابع مرتبط، بینش های مفیدی را جمع آوری می کند. از طریق یک بررسی ساختاریافته از ادبیات موجود، ما روش ها، یافته ها و پیامدهای این مطالعات را تحلیل می کنیم و به سیستم های متنوع مبتنی بر یادگیری فدرال در تبلیغات می پردازیم. علاوه بر این، چالش هایی مانند ناهمگونی داده ها و نگرانی های حریم خصوصی که مانع از پذیرش گسترده یادگیری فدرال در این حوزه شده اند را بررسی کرده و مسیرهایی برای تحقیقات آینده جهت رفع این مسائل پیشنهاد می کنیم. از طریق مطالعات موردی و مثال های کاربردی، ما کارایی یادگیری فدرال را در بهبود شیوه های تبلیغات دیجیتال همراه با حفظ حریم خصوصی کاربران نشان می دهیم. این بررسی به در عمقتر از پتانسیل ها و چالش های یادگیری فدرال در تبلیغات دیجیتال کمک کرده و بینش های ایی را برای پژوهشگران، فعالان حوزه و سیاست گذاران فراهم می کند.

کلیدواژه ها:

تبلیغات دیجیتال ، کسب وکار الکترونیک ، یادگیری فدرال ، یادگیری ماشین غیرمتمرک