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，实现物品的精准推荐的技术问题。为实现上述目的，本专利技术提供一种物品推荐方法，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。可选地，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。可选地，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。可选地，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。可选地，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条件，则根据所述预设函数，生成所述待训练局部兴趣矩阵的第一梯度、所述待训练物品聚类矩阵的第二梯度，以及所述全局兴趣特征矩阵的第三梯度；根据所述第一梯度、所述第二梯度和所述第三梯度，对所述预设函数迭代计算，以更新所述计算结果，直到所述计算结果满足所述结束计算条件。可选地，所述根据所述第一梯度、所述第二梯度和所述第三梯度，对所述预设函数迭代计算，以更新所述计算结果的步骤包括：根据所述第一梯度和所述第二梯度，分别更新所述待训练局部兴趣矩阵和所述待训练物品聚类矩阵；将所述第三梯度传输至所述预设协调方，以供所述预设协调方将所述第三梯度和至少一其他系统基于各所述用户的第二行为数据计算所述预设函数生成的第四梯度聚合，生成回传梯度对所述全局兴趣特征矩阵更新；接收所述预设协调方更新后的所述全局兴趣特征矩阵，并执行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的步骤，以对所述预设函数迭代计算，更新所述计算结果。可选地，所述接收预设协调方发送的全局兴趣特征矩阵的步骤包括：接收所述预设协调方基于预设公钥加密发送的全局兴趣特征矩阵，并基于与所述预设公钥匹配的私钥，对所述全局兴趣特征矩阵解密，其中所述预设公钥和所述私钥基于所述推荐系统或所述其他系统生成。可选地，所述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的步骤之后，所述方法包括：将所述待训练物品聚类矩阵生成为所述推荐系统内的物品聚类矩阵。进一步地，为实现上述目的，本专利技术还提供一种物品推荐设备，所述物品推荐设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的物品推荐程序，所述物品推荐程序被所述处理器执行时实现如上述所述的物品推荐方法的步骤。进一步地，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有物品推荐程序，所述物品推荐程序被处理器执行时实现如上所述的物品推荐方法的步骤。本专利技术的物品推荐方法、设备及计算机可读存储介质，与现有技术依据单个系统所收集用户行为数据进行推荐，或者依据多个系统所收集用户行为数据的传输联合所进行推荐的方式相比，本专利技术对于物品的推荐通过调用推荐系统内的局部兴趣矩阵，并依据推荐系统内的物品聚类矩阵和局部兴趣矩阵，计算推荐系统内每个用户在各系统物品上的评分；进而依据每个用户在各系统物品上的评分，向每个用户进行系统物品的推荐。其中，局部兴趣矩阵和物品聚类矩阵均由推荐系统内各用户的第一行为数据联合各用户在至少一个其他系统内的第二行为数据进行联邦训练生成；联邦训练时第一行为数据和第二行为数据均在各自的系统内，有利于用户数据的安全性。并且，局部兴趣矩阵由用户的第一行为数据体现了用户在推荐系统的兴趣点，由局部兴趣矩阵和物品聚类矩阵所计算的评分，反映了用户对推荐系统内各系统物品的兴趣浓厚程度，以此，使得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。克服了现有技术中依据单个系统所收集用户行为数据推荐的不准确性，以及依据多个系统所收集用户行为数据的传输联合推荐的不安全性的缺陷。在确保用户数据安全的同时，实现了物品的精准推荐。附图说明图1为本专利技术物品推荐设备实施例方案涉及的设备硬件运行环境的结构示意图；图2为本专利技术物品推荐方法第一实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种物品推荐设备，参照图1，图1为本专利技术物品推荐设备实施例方案涉及的设备硬件运行环境的结构示意图。如图1所示，该物品推荐设备可以包括：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