【技术实现步骤摘要】
一种产品推荐方法、系统、计算机设备及存储介质
本申请涉及人工智能
，尤其涉及一种产品推荐方法、系统、计算机设备及存储介质。
技术介绍
随着社会的不断发展，人们对于隐私的保护越来越看重，并且各国也颁布了各种条款来加以对隐私数据的保护，例如欧盟的GDPR(GeneralDataProtectionRegulation，通用数据保护条款)，和我国出台的《数据安全管理办法》(征求意见稿)，面对这种情况，如何保护用户数据不泄露的情况下对用户完成产品的推荐是个问题。在现有技术中，基于矩阵分解的协同过滤算法存在计算和存储成本高的问题，并且还存在用户数据可能被服务器泄露的问题，所以如何保证用户隐私不泄露的情况下完成对用户的产品推荐，且降低推荐模型计算成本成为了亟待解决的问题。
技术实现思路
本申请提供了一种产品推荐方法、系统、计算机设备及存储介质，以解决现有技术中在对用户进行产品推荐时存在的用户隐私泄露且模型计算成本高的问题。为解决上述问题，本申请提供了一种产品推荐方法，包括：服务器端接收用户输入参...
【技术保护点】
1.一种产品推荐方法，其特征在于，所述方法包括：/n服务器端接收用户输入的参数数据；/n所述服务器端经初始化处理得到产品因子矩阵V和产品因子矩阵参数V
【技术特征摘要】
1.一种产品推荐方法，其特征在于，所述方法包括：
服务器端接收用户输入的参数数据；
所述服务器端经初始化处理得到产品因子矩阵V和产品因子矩阵参数Vt，并将所述产品因子矩阵参数Vt和部分所述参数数据发送至多个客户端；
所述多个客户端根据所述产品因子矩阵参数Vt和部分所述参数数据更新用户因子矩阵ui，并利用q-FedAvg算法计算加权差值Δit和归一化常量hit，将所述加权差值Δit和归一化常量hit返回给所述服务器端；
所述服务器端基于剩余部分所述参数数据，利用所述产品因子矩阵参数Vt和接收到的所有加权差值Δit与归一化常量hit，对所述产品因子矩阵参数Vt进行迭代更新；
所述服务器端根据更新后的产品因子矩阵参数Vt+1确定目标产品因子矩阵，并将所述目标产品因子矩阵发送至目标客户端；
所述目标客户端利用所述目标产品因子矩阵和更新后的所述用户因子矩阵，计算所述用户对产品的预测评分值，并对预测评分值排序，将排序高的前N个产品推荐给所述用户。
2.根据权利要求1所述的产品推荐方法，其特征在于，所述根据更新后的产品因子矩阵参数Vt+1确定目标产品因子矩阵，包括：
判断更新后的产品因子矩阵参数Vt+1与更新前的产品因子矩阵参数Vt的差值是否小于预设数值；
若所述差值大于预设数值，则将更新后的产品因子矩阵参数Vt+1，重新发送至客户端继续进行迭代更新，直到所述差值小于所述预设数值为止；
若所述差值小于等于所述预设数值，则利用更新后的所述产品因子矩阵参数Vt+1生成目标产品因子矩阵。
3.根据权利要求1所述的产品推荐方法，其特征在于，在所述将所述产品因子矩阵参数Vt发送至多个客户端之前，还包括：
将所述产品因子矩阵参数Vt进行同态加密。
4.根据权利要求1所述的产品推荐方法，其特征在于，所述服务端基于剩余部分所述参数数据，利用所述产品因子矩阵参数Vt和接收到的所有加权差值Δit与归一化常量hit，对所述产品因子矩阵参数Vt进行迭代更新，包括：
所述服务端利用得到更新后的产品因子矩阵参数Vt+1，i表示客户端数量，St表示客户端集合。
5.根据权利要求1所述的产品推荐方法，其特征在于，所述多个客户端根据所述产品因子矩阵参数Vt和部分所述参数数据更新用户因子矩阵ui，包括：
基于所述用户因子矩阵ui和所述产品因子矩阵参数Vt，根据公式一计算损失函数Fi，所述公式一为：
基于损失函数Fi、所述用户因子矩阵ui的梯度和增益参数γ，根据公式二计算更新后的用户因子矩阵参数uit+1，所述公式二为：
根据更新后的所述用户因子矩阵参数uit+1更新所述用户因子矩阵ui；
其中，t表示迭代次数、γ表示增益参数、表示上一次迭代后uit的梯度值、j＝1,2,…，m,m为产品个数、rij表示用户i对产品j的评分值、λ表示正则化参数、vj表示产品因子矩阵V的第j行、Fi为损失函数、uit+1为经过迭代后的所述用户因子矩阵参数、uit为用户因子矩阵参数。
...
【专利技术属性】
技术研发人员：王健宗，李泽远，何安珣，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
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。