一种推荐模型构建方法和装置制造方法及图纸

本发明专利技术提供了一种推荐模型构建方法和装置，属于计算机技术领域。该方法包括：接收多个第二服务器分别发送的第一样本数据集，根据预设解密算法对第一样本数据集进行解密处理，得到多个第二样本数据集，根据预设规则，获取多个第二样本数据集中的至少一个同一用户的多个样本数据，对每个同一用户的多个样本数据进行合并，得到目标样本数据集，根据目标样本数据集构建推荐模型。通过设置第三方服务器，各企业的样本数据通过加密后发送至第三方进行处理，得到目标样本数据集，第三方通过目标样本数据集构建推荐模型，各企业的数据通过第三方服务器实现数据共享，打破了企业之间的数据壁垒，可以得到更准确的推荐模型，提高推荐的准确性。

A recommended model construction method and device

【技术实现步骤摘要】
一种推荐模型构建方法和装置
本专利技术属于计算机
，特别是涉及一种推荐模型构建方法和装置。
技术介绍
随着计算机技术的发展，如何为用户推荐符合用户需求的产品，提高推荐效率，成为各行各业关注的焦点。收集大量的用户信息，根据大量的用户信息构建推荐模型，通过推荐模型为用户推荐信息已经成为惯常的推荐方法。推荐模型的构建需要大量的用户信息，收集的信息越多，得到的推荐模型越准确。但出于保护用户隐私以及企业数据安全等原因，拥有用户不同信息的各企业之间并不能进行数据共享。而基于单方面用户信息并不能构建准确的推荐模型，得不到准确的推荐结果。
技术实现思路
本专利技术提供一种推荐模型构建方法和装置，以便在一定程度上解决各企业之间数据无法共享，无法构建准确的推荐模型的问题。依据本专利技术的第一方面，提供了一种推荐模型构建方法，应用于第一服务器，所述方法包括：接收多个第二服务器分别发送的第一样本数据集，所述第一样本数据集为第二服务器根据预设加密算法对第二样本数据集进行加密处理后得到的；根据预设解密算法对所述第一样本数据集进行解密处理，得到多个所述第二样本数据集；根据预设规则，获取多个所述第二样本数据集中的至少一个同一用户的多个样本数据；对所述每个同一用户的多个样本数据进行合并，得到目标样本数据集；根据所述目标样本数据集构建推荐模型。依据本专利技术的第二方面，提供了一种推荐模型构建装置，设置于第一服务器，所述装置包括：接收模块，用于接收多个第二服务器分别发送的第一样本数据集，所述第一样本数据集为第二服务器根据预设加密算法对第二样本数据集进行加密处理后得到的；解密模块，用于根据预设解密算法对所述第一样本数据集进行解密处理，得到多个所述第二样本数据集；获取模块，用于获取多个所述第二样本数据集中的至少一个同一用户的多个样本数据；合并模块，用于对所述每个同一用户的多个样本数据进行合并，得到目标样本数据集；构建模块，用于根据所述目标样本数据集构建推荐模型。本专利技术实施例提供的推荐模型构建方法，应用于第一服务器，包括：接收多个第二服务器分别发送的第一样本数据集，根据预设解密算法对第一样本数据集进行解密处理，得到多个第二样本数据集，根据预设规则，获取多个第二样本数据集中的至少一个同一用户的多个样本数据，对每个同一用户的多个样本数据进行合并，得到目标样本数据集，根据目标样本数据集构建推荐模型。通过设置第三方服务器，各企业的样本数据通过加密后发送至第三方进行处理，得到目标样本数据集，第三方通过目标样本数据集构建推荐模型，可以使用构建的推荐模型为用户推荐相关信息。各企业的数据通过第三方服务器实现数据共享，打破了企业之间的数据壁垒，可以得到更准确的推荐模型，提高推荐的准确性。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1是本专利技术实施例提供的一种推荐模型构建方法的步骤流程图；图2是本专利技术实施例提供的一种推荐模型构建的系统结构图；图3是本专利技术实施例提供的另一种推荐模型构建方法的步骤流程图；图4是本专利技术实施例提供的一种推荐模型构建装置的框图。具体实施方式下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。目前，为了保护用户的隐私和企业的数据安全，位于不同行业的企业之间并不能进行数据的共享，而对于同一个用户，位于不同行业的企业可能收集有该户的不同信息。例如，将4S店作为一个用户，对于同一家4S店(AutomobileSalesServicshop4S，汽车销售服务4S店)，银行可能收集有该4S店的授信额度、资产负债、销售量和人均利润等信息，而保险公司可能收集有该4S店的展厅面积、展厅保险额度、车辆保险额度等信息。银行和保险公司之间并不能进行数据共享，银行不能使用保险公司的数据为4S店推荐符合需求的贷款产品，保险公司也不能使用银行的数据为4S店推荐符合需求的保险产品。而具有相同授信额度和资产负载的4S店之间可能具有相同的保险需求，具有相同保险额度的4S店之间可能具有相同的贷款需求。由于数据无法共享，银行和保险公司并不能使用对方的数据，更准确的为4S店推荐产品，挖掘更多的用户需求，提高收益。图1是本专利技术实施例提供的一种推荐模型构建方法的步骤流程图，本实施例提供的推荐模型构建方法适用于推荐模型的构建，并且可以提高推荐模型的准确性。本实施例提供的推荐模型构建方法可以由推荐模型构建装置执行，推荐模型构建装置可以设置于第一服务器。推荐模型构建装置通常以软件和/或硬件的方式实现，如图1所示，该方法可以包括：步骤101、接收多个第二服务器分别发送的第一样本数据集。其中，第一样本数据集为第二服务器根据预设加密算法对第二样本数据集进行加密处理后得到的。参照图2，图2是本专利技术实施例提供的一种推荐模型构建的系统结构图，如图2所示，第一服务器可以接收多个第二服务器分别发送的第一样本数据集，第二服务器为样本数据的生成方，例如，银行、保险公司和证券公司的数据中心。为便于说明，本实例选取银行、保险公司和证券公司等易于区分、且收集有用户不同信息的企业的数据中心，实际使用时本领域的技术人员可以根据需求选择第二服务器，本实施例对此不做限制。银行、保险公司和证券公司等可以根据数据中心存储的用户信息，按需求生成具有统一标准的多个样本数据，组合得到第二样本数据集。样本数据的标准可以根据需求设置，本实施例对此不做限制，生成具有统一标准的样本数据的过程可参考现有技术，本实施例在此不做赘述。本实施例中，每个第二服务器可以采用预设的加密算法对各自生成的第二样本数据集进行加密，得到第一样本数据集。例如，银行的第二样本数据集X中可以包括A1、B1和C1三个样本数据，样本数据A1为4S店A的样本数据，样本数据B1为4S店B的样本数据，样本数据C1为4S店C的样本数据，每个样本数据中包括每个4S店的授信额度、员工人数、贷款数量等数据。同理，保险公司的第二样本数据集Y中可以包括4S店A、B、C和D的样本数据A2、B2、C2和D2，每个样本数据中包括每个4S店的展厅面积和展厅保险额度。证券公司的第二样本数据集Z中可以包括4S店A、B、C、D和E的样本数据A3、B3、C3、D3和E3，每个样本数中包括每个4S店的证券交易额和持股总额等数据。每个第二服本文档来自技高网...

【技术保护点】
1.一种推荐模型构建方法，其特征在于，应用于第一服务器，所述方法包括：/n接收多个第二服务器分别发送的第一样本数据集，所述第一样本数据集为第二服务器根据预设加密算法对第二样本数据集进行加密处理后得到的；/n根据预设解密算法对所述第一样本数据集进行解密处理，得到多个所述第二样本数据集；/n根据预设规则，获取多个所述第二样本数据集中的至少一个同一用户的多个样本数据；/n对所述每个同一用户的多个样本数据进行合并，得到目标样本数据集；/n根据所述目标样本数据集构建推荐模型。/n

【技术特征摘要】
1.一种推荐模型构建方法，其特征在于，应用于第一服务器，所述方法包括：
接收多个第二服务器分别发送的第一样本数据集，所述第一样本数据集为第二服务器根据预设加密算法对第二样本数据集进行加密处理后得到的；
根据预设解密算法对所述第一样本数据集进行解密处理，得到多个所述第二样本数据集；
根据预设规则，获取多个所述第二样本数据集中的至少一个同一用户的多个样本数据；
对所述每个同一用户的多个样本数据进行合并，得到目标样本数据集；
根据所述目标样本数据集构建推荐模型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述目标样本数据集构建推荐模型，包括：
对所述目标样本数据集进行聚类，得到第一聚类结果；
对所述第一聚类结果中的每个类进行关联分析，得到关联规则；
根据所述第一聚类结果和所述关联规则构建所述推荐模型。


3.根据权利要求2所述的方法，其特征在于，还包括：
根据所述第一聚类结果中的每个类，采用协同过滤算法，得到多个第一推荐结果；
所述根据所述第一聚类结果和所述关联规则构建所述推荐模型，包括：
根据所述第一聚类结果、所述关联规则和所述多个第一推荐结果构建所述推荐模型。


4.根据权利要求2所述的方法，其特征在于，所述对所述目标样本数据集进行聚类，得到第一聚类结果，包括：
采用第一聚类算法对所述目标样本数据进行聚类，得到第二聚类结果；
采用第二聚类算法对所述第二聚类结果进行聚类，得到所述第一聚类结果。


5.根据权利要求1所述的方法，其特征在于，在所述根据所述第一聚类结果构建推荐模型之后，还包括：
接收所述第二服务器发送的第一用户信息；
根据所述第一用户信息，通过所述推荐模型得到匹配所述第一用户信息的第二推荐结果；
向所述第二服务器发送所述第二推荐结果。


6.根据权利要求1所述的方法，其特征在于，在所述根据所述第一聚类结果构建推荐模型之后，还包括：
向所述第二服务器发送所述推荐模型，以使所述第二服务器根据第二用户信息，通过所述推荐模型获取匹配...

【专利技术属性】
技术研发人员：邓练兵，李大铭，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44