A method and device for recommender system construction is disclosed. In a system containing multiple users, the scoring information, the user preference vector and the item feature vector of the user are saved in the client of any user, and the matrix decomposition is realized by training the multiple users in a cooperative manner.
【技术实现步骤摘要】
一种推荐系统构建方法及装置
本说明书实施例涉及大数据处理
,尤其涉及一种推荐系统构建方法及装置。
技术介绍
在大数据时代,通过对海量数据进行挖掘,可以形成训练样本,并且进一步训练出各种形式的数据模型。现有技术中,通常的实现方案是在服务端集中存储训练样本并且在服务端进行模型训练。而这种集中式训练的方式至少存在以下弊端:一方面,传统的数据模型训练方案已经难以满足隐私保护的需求:首先,用户的私人数据需要上传至服务端进行集中处理,这对于一部分用户而言已经十分敏感。即便服务端不会主动滥用或泄露用户隐私,也仍然存在服务端被攻击从而导致数据批量泄露的隐患。另一方面,基于大数据的模型训练,对于存储及计算资源的需求非常庞大,而且随着机器学习技术的推广,训练所采用的数据量和模型复杂度都是处于持续提升的趋势,仅依靠提升服务器的性能或数量,已经越来越难以满足大数据模型训练的需求。
技术实现思路
针对上述技术问题,本说明书实施例提供一种推荐系统构建方法及装置,技术方案如下:一种推荐系统构建方法,应用于包含多个用户的系统,在任意用户的用户端,保存该用户对物品的评分信息、该用户的用户偏好向量、物品特征向量,多个用户端以协同方式训练实现矩阵分解,所述方法包括:在任一用户端,利用以下步骤进行迭代处理,直到满足预设的迭代停止条件:根据当前的用户偏好向量计算本地用户梯度值、根据当前的物品特征向量计算本地物品梯度值;利用本地用户梯度值对用户偏好向量进行更新、利用本地物品梯度值对物品特征向量进行更新;根据预设的邻接关系,将本地物品梯度值发送至邻居用户端;接收邻居用户端发送的邻居物品梯度值,所述邻 ...
【技术保护点】
1.一种推荐系统构建方法,应用于包含多个用户的系统,在任意用户的用户端,保存该用户对物品的评分信息、该用户的用户偏好向量、物品特征向量,多个用户端以协同方式训练实现矩阵分解,所述方法包括:在任一用户端,利用以下步骤进行迭代处理,直到满足预设的迭代停止条件:根据当前的用户偏好向量计算本地用户梯度值、根据当前的物品特征向量计算本地物品梯度值;利用本地用户梯度值对用户偏好向量进行更新、利用本地物品梯度值对物品特征向量进行更新;根据预设的邻接关系,将本地物品梯度值发送至邻居用户端;接收邻居用户端发送的邻居物品梯度值,所述邻居物品梯度值为:在邻居用户端计算得到的邻居用户端本地物品梯度值;利用所接收到的邻居物品梯度值对物品特征向量进行更新;迭代结束后,输出最新的用户偏好向量及物品特征向量。
【技术特征摘要】
1.一种推荐系统构建方法,应用于包含多个用户的系统,在任意用户的用户端,保存该用户对物品的评分信息、该用户的用户偏好向量、物品特征向量,多个用户端以协同方式训练实现矩阵分解,所述方法包括:在任一用户端,利用以下步骤进行迭代处理,直到满足预设的迭代停止条件:根据当前的用户偏好向量计算本地用户梯度值、根据当前的物品特征向量计算本地物品梯度值;利用本地用户梯度值对用户偏好向量进行更新、利用本地物品梯度值对物品特征向量进行更新;根据预设的邻接关系,将本地物品梯度值发送至邻居用户端;接收邻居用户端发送的邻居物品梯度值,所述邻居物品梯度值为:在邻居用户端计算得到的邻居用户端本地物品梯度值;利用所接收到的邻居物品梯度值对物品特征向量进行更新;迭代结束后,输出最新的用户偏好向量及物品特征向量。2.根据权利要求1所述的方法,所述预设的邻接关系,包括:根据用户端的之间的距离所确定的邻接关系,所述距离包括地理位置距离或逻辑距离。3.根据权利要求1所述的方法,所述邻居用户端为:系统用户端中的全部或部分用户端。4.根据权利要求1所述的方法,在任一轮迭代中,在接收到多个邻居物品梯度值的情况下,所述利用所接收到的邻居物品梯度值对物品特征向量进行更新,包括:利用多个邻居物品梯度值中的全部或部分梯度值,对物品特征向量进行更新。5.根据权利要求1所述的方法,接收本地物品梯度值的邻居用户端、与发送邻居物品梯度值的邻居用户端,为相同或不同的用户端集合。6.一种推荐系统构建装置,应用于包含多个用户的系统,所述装置配置于任意用户的用户端,用于保存该用户对物品的评分信息、该用户的用户偏好向量、物品特征向量,多个用户端以协同...
【专利技术属性】
技术研发人员:陈超超,周俊,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛,KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。