物品推荐方法、设备及计算机可读存储介质技术

本发明专利技术公开了一种物品推荐方法、设备及计算机可读存储介质，所述方法包括：调用推荐系统内的局部兴趣矩阵，其中，所述局部兴趣矩阵由所述推荐系统内各用户的第一行为数据联合各所述用户在至少一其他系统内的第二行为数据进行联邦训练形成；根据所述推荐系统内的物品聚类矩阵和所述局部兴趣矩阵，计算所述推荐系统内每一所述用户在各系统物品上的评分；根据每一所述用户在各所述系统物品上的评分，向每一所述用户进行系统物品推荐。本发明专利技术通过联邦训练来确保用户数的安全性，且依据评分所推荐的物品直接与用户的兴趣相关，使得推荐更为精准，在确保用户数据安全的同时，实现了物品的精准推荐。

【技术实现步骤摘要】
物品推荐方法、设备及计算机可读存储介质
本专利技术涉及金融科技(Fintech)
，尤其涉及一种物品推荐方法、设备及计算机可读存储介质。
技术介绍
随着金融科技(Fintech)，尤其是互联网科技金融的不断发展，越来越多的技术(如人工智能、大数据、云存储等)应用在金融领域，但金融领域也对各类技术提出了更高的要求，如要求对物品的推荐更为安全精准。目前，物品推荐通常包含单个系统推荐和联合多个系统推荐两种方式，对于单个系统，基于系统所收集的用户行为数据进行推荐，对于联合多个系统，则将各个系统收集的用户行为数据相互传输以进行联合推荐。但是单个系统所收集的用户行为数据有限，难以全面反映用户需求，导致推荐不准确；而将多个系统所收集用户行为数据的传输联合，则容易导致用户行为数据的泄露，影响用户数据的安全性。因此，如何在确保用户数据安全的同时，实现物品的精准推荐，是当前亟待解决的技术问题。
技术实现思路
本专利技术的主要目的在于提供一种物品推荐方法、设备及计算机可读存储介质，旨在解决现有技术中如何确保用户数据安全的同时本文档来自技高网...

【技术保护点】
1.一种物品推荐方法，其特征在于，所述物品推荐方法包括以下步骤：/n调用推荐系统内的局部兴趣矩阵，其中，所述局部兴趣矩阵由所述推荐系统内各用户的第一行为数据联合各所述用户在至少一其他系统内的第二行为数据进行联邦训练形成；/n根据所述推荐系统内的物品聚类矩阵和所述局部兴趣矩阵，计算所述推荐系统内每一所述用户在各系统物品上的评分；/n根据每一所述用户在各所述系统物品上的评分，向每一所述用户进行系统物品推荐。/n

【技术特征摘要】
1.一种物品推荐方法，其特征在于，所述物品推荐方法包括以下步骤：
调用推荐系统内的局部兴趣矩阵，其中，所述局部兴趣矩阵由所述推荐系统内各用户的第一行为数据联合各所述用户在至少一其他系统内的第二行为数据进行联邦训练形成；
根据所述推荐系统内的物品聚类矩阵和所述局部兴趣矩阵，计算所述推荐系统内每一所述用户在各系统物品上的评分；
根据每一所述用户在各所述系统物品上的评分，向每一所述用户进行系统物品推荐。


2.如权利要求1所述的物品推荐方法，其特征在于，所述根据每一所述用户在各所述系统物品上的评分，向每一所述用户进行系统物品推荐的步骤包括：
对每一所述用户在各所述系统物品上的评分进行排序，确定与每一所述用户对应排列在前预设位的目标评分，并分别对与每一所述用户对应排列在前预设位的目标评分执行步骤：
确定与各所述目标评分对应的目标物品，并查找各所述目标物品中的待推荐物品，其中，所述待推荐物品未携带与所述用户对应的评论信息；
向所述用户推荐所述待推荐物品。


3.如权利要求1所述的物品推荐方法，其特征在于，所述根据所述推荐系统内的物品聚类矩阵和所述局部兴趣矩阵，计算所述推荐系统内每一所述用户在各系统物品上的评分的步骤包括：
确定每一所述用户在所述局部兴趣矩阵中的兴趣行，并将每一所述用户的所述兴趣行与所述物品聚类矩阵进行乘积运算，生成每一所述用户的物品评分矩阵；
根据每一所述用户的物品评分矩阵，确定每一所述用户在各系统物品上的评分。


4.如权利要求1所述的物品推荐方法，其特征在于，所述调用推荐系统内的局部兴趣矩阵的步骤之前，所述方法包括：
接收预设协调方发送的全局兴趣特征矩阵，并根据所述全局兴趣特征矩阵、各所述第一行为数据、所述推荐系统内待训练局部兴趣矩阵和待训练物品聚类矩阵，对预设函数进行计算，得到计算结果；
判断所述计算结果是否满足结束计算条件，若满足结束计算条件，则将所述待训练局部兴趣矩阵生成为所述推荐系统内的局部兴趣矩阵。


5.如权利要求4所述的物品推荐方法，其特征在于，所述判断所述计算结果是否满足结束计算条件的步骤之后，所述方法还包括：
若所述计算结果不满足结束计算...

【专利技术属性】
技术研发人员：谭奔，郑文琛，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44