FedGMC

新的图联邦学习方法增强了个性化和共性

研究人员推出了一种名为联邦图流形校准（FedGMC）的新方法，以解决图联邦学习中的异构性挑战。该方法超越了刚性对齐，采用双重校准机制，在保留全局共性的同时，扩展了本地客户端的个性化表示空间。FedGMC 通过构建和精炼全局语义和结构流形来解决语义和结构异构性，并指导本地校准。在各种图上的实验表明，FedGMC 能有效平衡全局和局部方面，性能优于现有方法。