基于联邦迁移学习标签传播的线下商品推荐系统及方法技术方案

本发明专利技术提供了一种基于联邦迁移学习标签传播的线下商品推荐系统及方法，包括重叠客户识别模块、客户拓扑迁移模块、客户属性迁移模块、客户节点指标计算模块、客户社区划分模块和线下商品推荐模块；应用本发明专利技术能够在不损失准确性的前提下将用户社交平台的个人爱好等信息用于线下超商，达到保护用户隐私且能进行智能商品推荐的目的。智能商品推荐的目的。智能商品推荐的目的。

【技术实现步骤摘要】
基于联邦迁移学习标签传播的线下商品推荐系统及方法


[0001]本专利技术涉及联邦学习隐私保护数据分析
，特别是一种基于联邦迁移学习标签传播的线下商品推荐系统及方法。

技术介绍

[0002]随着时代的发展和社会生产力的提高，五花八门的商品也逐渐进入人们的眼里。为了促进消费者消费以及提高线下产品的竞争力，各类超商可以通过分析客户的社交爱好来挖掘出具有相同特征的客户群体，从而更加高效精准的为客户提供针对性的商品推荐服务。然而随着社会各界对于个人隐私保护的重视，如何在不泄露客户隐私的前提下准确进行商品推荐显得格外重要。目前基于隐私保护的商品推荐方法的研究和技术仍然存在着以下不足：准确度不搞，算法时间开销较大，难以避免数据攻击等。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于联邦迁移学习标签传播的线下商品推荐系统及方法，。
[0004]为实现上述目的，本专利技术采用如下技术方案：一种基于联邦迁移学习标签传播的线下商品推荐系统，包括重叠客户识别模块、客户拓扑迁移模块、客户属性迁移模块、客户节点指标计算模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于联邦迁移学习标签传播的线下商品推荐系统，其特征在于包括重叠客户识别模块、客户拓扑迁移模块、客户属性迁移模块、客户节点指标计算模块、客户社区划分模块和线下商品推荐模块；所述重叠客户识别模块，用于将客户的社交平台作为联邦迁移学习的源域A
S
，将商超作为联邦迁移学习的目标域A
T
；根据用户社交记录和线下购物行为分别构建包含用户节点和特征的属性源域网络G
S
＝(V，E，R，M
S
)和目标域网络G
T
＝(V，E，R，M
T
)；对于源域和目标域，分别生成RSA密钥对并将公钥发送给对方，双方利用RSA加密方法执行隐私保护节点ID匹配协议以求得两方的交集即得到设计网络和超商之间的重叠客户X
h
；所述客户拓扑迁移模块，用于将源域网络重叠节点的拓扑信息迁移到目标域网络上；对于源域网络G
S
和目标域网络G
T
，分别使用哈希算法加密重叠节点及其邻居节点并形成邻接表P
h
，然后使用设计的节点混淆策略增加邻接表P
h
的加密节点并发送到协调端，协调端在密态下比较源域网络和目标域网络重叠节点的相同的邻居节点数并发送给目标域网络；最后目标域网络计算节点拓扑相似度；所述客户属性迁移模块，用于分别读取源域网络G
S
和目标域网络G
T
的属性矩阵M
S
和M
T
并输入到各自本地的编码器进行编码，输出表示矩阵M
′
S
和M
′
T
；接着分别发送M
′
S
和M
′
T
到协调端，协调端根据MMD函数训练模型使矩阵分布相近；然后源域和目标域网络分别将M
″
S
，M
″
T
和M
S
，M
T
计算RMSE损失并与MMD损失加权后进行反向传播；循环以上步骤直至损失函数小于阈值或者达到最大迭代次数，此时计算节点属性相似度；所述客户节点指标计算模块，目标域根据已计算出来的节点拓扑相似度和节点属性相似度以及公式来计算出节点相似度s，然后根据公式计算节点重要性NI，最后计算邻居节点重要性NNI；所述客户社区划分模块，目标域网络通过计算得到的NNI计算标签隶属度，然后在本地进行标签传播社区发现，每个节点根据邻居节点的标签迭代更新自身的标签直到连续两次迭代的社区数量不变，此时将具有相同标签的节点划分为同一社区；所述线下商品推荐模块，根据得到的社区划分结果，对属于同一社区的客户进行智能商品推荐服务。2.基于联邦迁移学习标签传播的线下商品推荐方法，其特征在于，包括以下步骤步骤S1：将客户的社交平台作为联邦迁移学习的源域A
S
，将商超作为联邦迁移学习的目标域A
T
；根据用户社交记录和线下购物行为分别构建包含用户节点和特征的属性源域网络G
S
＝(V，E，R，M
S
)和目标域网络G
T
＝(V，E，R，M
T
)；步骤S2：分别读取源域网络G
S
和目标域网络G
T
，利用PSI协议计算G
S
和G
T
的重叠节点集X
h
；步骤S3：对于源域网络G
S
的重叠节点，计算其邻居节点信息并加密进行拓扑迁移到目标域网络G
T
；根据迁移的信息在G
T
计算重叠节点拓扑相似度s
t
；步骤S4：分别读取源域网络G
S
和目标域网络G
T
的属性矩阵M
S
和M
T
，设计自编码器将G
S
和G
T
的属性矩阵映射到同一特征空间并使其特征分布相近以此来进行属性迁移；根据迁移的信息在G
T
计算重叠节点属性相似度s
a
；步骤S5：根据计算得到的节点拓扑相似度s
t
和属性相似度s
a
在G
T
计算节点相似度指标s，然后计算节点重要性指标NI和邻居节点影响力指标NNI；
步骤S6：根据NNI指标设计标签隶属度并对G
T
所有节点迭代进行多标签传播直到连续两次迭代的社区数量不变时停止，将具有相同标签的节点划分为同一社区，此时社区内的节点是具有相同购物行为特征的用户，可以将商品推荐给这些用户。3.根据权利要求2所述的基于联邦迁移学习标签传播的线下商品推荐方法，其特征在于，所述步骤S2具体为：步骤S21：分别读取源域社交平台的客户网络G
S
＝(V，E，R，M
S
)和目标域超商的客户网络G
T

【专利技术属性】
技术研发人员：郭昆，廖元铭，杨攀攀，
申请(专利权)人：福州大学，
类型：发明
国别省市：