Candicepan

> C4V1NC3MPT-196883 give it to me 因未在规定时间内完成，改任务回收啦～欢迎下次继续认领 也欢迎其他小伙伴认领该任务

> C4V1NC3MPT-196883 give it to me 每位开发者在一个时间内只能认领一个任务哈～可以先完成上一个任务之后再来认领哟～感谢您对隐语开源社区的支持

> YirongWho give it to me hello～目前任务有什么进度可以在这里同步一下哈

> YirongWho give it to me hello～因任务认领后一直没有进展，故本任务先行回收了哈～如果对隐语社区的贡献感兴趣可以再次认领哈～感谢你的隐语社区的支持

> 好的 以下是对设计思路的补充： > > 1. 数据集及模型： > 选择开源的电影推荐数据集 MovieLens（100k/1M），其中包含用户对电影的评分信息。模型初步计划选择 MF，根据后续实现情况考虑添加 NCF/LightGCN。 > 2. 数据拆分逻辑： > 按照用户 ID 拆分，保证两方拥有相同的用户 ID 的数据，但特征不同，如 alice 方拥有 “UserID”, “Gender”, “Age”, “Occupation” 等特征； bob 方拥有...

> reacher1130 Give it to me hello～该任务完成过程中是否有什么问题呢 可以在 issue 上直接反馈哈。也可以添加小助手微信：SecretFlow04 进行沟通 加入 OSCP 专属群聊哈

> I have read the CLA Document and I hereby sign the CLA > #1033 辛苦按照上方的要求签订一下 CLA 哈～（直接复制回复即可 目前看到还没有签订成功呢～

> I have read the CLA Document and I hereby sign the CLA #1033 an example of backdoor injection refer to [How To Backdoor Federated Learning](https://arxiv.org/pdf/1807.00459.pdf) hello～您的 CLA 还没有签订成功呢 辛苦直接复制这句话...

> elegaa Give it to me 经沟通，该任务先进行回收～感谢您的认领呀 也欢迎下次继续参与隐语贡献～其他小伙伴可以再进行认领啦

> 设计思路： 基于[https://tensorflow.google.cn/tutorials/audio/music_generation?hl=zh-cn为例改写成隐语的联邦学习教程，体现隐语对](https://tensorflow.google.cn/tutorials/audio/music_generation?hl=zh-cn%E4%B8%BA%E4%BE%8B%E6%94%B9%E5%86%99%E6%88%90%E9%9A%90%E8%AF%AD%E7%9A%84%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0%E6%95%99%E7%A8%8B%EF%BC%8C%E4%BD%93%E7%8E%B0%E9%9A%90%E8%AF%AD%E5%AF%B9) keras example的兼容，充分展现隐语的易用性和兼容性 数据分割：按照参与方均匀分割 模型: RNN 数据集：[MAESTRO 数据集](https://magenta.tensorflow.org/datasets/maestro?hl=zh-cn&_gl=1*1e2j7lp*_ga*MTY2Nzg3NTIxNy4xNjk1NjI2Mjgz*_ga_W0YLR4190T*MTY5NTYyNjI4My4xLjEuMTY5NTYyNjI4My4wLjAuMA..) 联邦策略：充分对齐隐语现有API，只要隐语支持的，理论上都可以支持 感谢认领～可以在下方的子 issue 中再次认领，将把该任务的该种实现方式 assign 给你哈～ https://github.com/secretflow/secretflow/issues/913