个性化推荐的生成制造技术

根据一个方面，提供了一种客户端，用于为所述客户端的用户生成个性化冷启动联邦推荐。所述客户端为以下三种冷启动场景生成个性化推荐：(i)向没有任何用户

【技术实现步骤摘要】
【国外来华专利技术】个性化推荐的生成


[0001]本申请涉及信息
，更具体地，涉及推荐系统。

技术介绍

[0002]在推荐服务中，新用户可以相当快的速度不断加入。为了确保用户留存率，必须为新用户提供最优质的服务，并为每个用户提供达到预期效果的个性化推荐。
[0003]此外，每项推荐服务都会定期添加新内容。例如，视频和应用程序可以有不断增加的物品组合供用户观看。新物品的强劲进展在很大程度上取决于其添加到服务后的头几天和几周。
[0004]上述两种示例性情况都是没有用户
‑
物品交互历史记录的所谓的“冷启动”用户
‑
物品推荐的典型情况。从技术上来看，冷启动推荐的目标可以是：(i)向没有任何用户
‑
物品交互历史记录的新用户推荐物品；(ii)在平台没有物品历史记录的情况下，向一组最有潜力的用户推荐新物品；(iii)最具挑战性的情况是，在没有与用户或视频相关联的历史记录的情况下，确定是否应向新用户推荐新视频。
[0005]冷启动推荐对推荐服务具有根本性的价值。然而，现有的冷启动推荐系统可能需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种客户端(306)，其特征在于，用于为所述客户端(306)的用户生成新物品的个性化推荐，所述客户端(306)可连接到服务器(308)，所述服务器(308)包括用于分发给多个客户端以生成个性化物品推荐的主模型矩阵Q、U；其中，所述个性化物品推荐是使用集成的多个数据视图的联合模型生成的，所述多个数据视图包括用户
‑
物品交互矩阵R＝PQ
T
、用户数据矩阵X＝UP
T
和物品数据矩阵Y＝QV
T
，所述矩阵Q、V包括与物品元数据相关的隐变量，所述矩阵P、U包括与用户个人数据相关的隐变量；所述客户端(306)用于：检索存储在所述客户端(306)上的本地数据集x；从所述服务器(308)获取更新后的主模型矩阵Q
v*
，所述主模型矩阵Q响应于新物品而进行更新；根据所述更新后的主模型矩阵Q
v*
和所述本地数据集x更新本地模型P；使用所述本地模型P和所述更新后的主模型矩阵Q
v*
，为所述客户端(306)的所述用户生成所述新物品的个性化推荐。2.根据权利要求1所述的客户端，其特征在于，所述客户端还用于：从所述服务器(308)获取所述主模型矩阵Q、U；根据所述主模型矩阵Q、U和所述本地数据集x更新所述本地模型P。3.根据权利要求2所述的客户端，其特征在于，所述客户端还用于：根据所述本地数据集x和所述本地模型P计算所述主模型矩阵Q、U的梯度矩阵dq
x
、du
x
；将所述梯度矩阵dq
x
、du
x
传输到所述服务器(308)，使得所述服务器(308)能够根据从所述多个客户端和/或至少一个内容提供者接收的梯度矩阵生成聚合梯度矩阵dq、du，所述聚合梯度矩阵dq、du使得所述服务器(308)能够更新所述主模型矩阵Q、U；从所述服务器(308)获取更新后的主模型矩阵Q、U；根据所述更新后的主模型矩阵Q、U和所述本地数据集x更新所述本地模型P。4.一种客户端(305)，其特征在于，用于为所述客户端(305)的新用户生成个性化物品推荐，所述客户端(305)可连接到服务器(308)，所述服务器(308)包括用于分发给多个客户端以生成个性化物品推荐的主模型矩阵Q、U；其中，所述个性化物品推荐是使用集成的多个数据视图的联合模型生成的，所述多个数据视图包括用户
‑
物品交互矩阵R＝PQ
T
、用户数据矩阵X＝UP
T
和物品数据矩阵Y＝QV
T
，所述矩阵Q、V包括与物品元数据相关的隐变量，所述矩阵P、U包括与用户个人数据相关的隐变量；所述客户端(305)用于：检索存储在所述客户端(305)上的与所述新用户相关联的本地数据集x；从所述服务器(308)获取所述主模型矩阵Q、U；使用所述本地数据集x和所述主模型矩阵U生成本地模型P
x*
；使用所述本地模型P
x*
和所述主模型矩阵Q，为所述客户端(305)的所述新用户生成个性化物品推荐。5.一种客户端(307)，其特征在于，用于为所述客户端(307)的新用户生成新物品的个性化推荐，所述客户端(307)可连接到服务器(308)，所述服务器(308)包括用于分发给多个客户端以生成个性化物品推荐的主模型矩阵Q、U；其中，所述个性化物品推荐是使用集成的多个数据视图的联合模型生成的，所述多个数据视图包括用户
‑
物品交互矩阵R＝PQ
T
、用户数据矩阵X＝UP
T
和物品数据矩阵Y＝QV
T
，所述矩阵Q、V包括与物品元数据相关的隐变量，所述矩阵P、U包括与用户个人数据相关的隐变量；所述客户端(307)用于：
检索存储在所述客户端(307)上的与所述新用户相关联的本地数据集x；从所述服务器(308)获取所述主模型矩阵Q
v*
、U，所述主模型矩阵Q响应于所述新物品而进行更新；使用所述本地数据集x和所述主模型矩阵U生成本地模型P
x*
；使用所述本地模型P
x*
和所述主模型矩阵Q
v*
，为所述客户端(307)的所述新用户生成个性化物品推荐。6.根据权利要求1至5中任一项所述的客户端(305、306、307)，其特征在于，存储在所述客户端(305、306、307)上的所述本地数据集x包括与所述客户端(305、306、307)的用户或与所述用户相关联的设备中的至少一个相关联的数据。7.根据权利要求6所述的客户端(305、306、307)，其特征在于，与所述用户相关联的所述数据包括所述用户的年龄、性别、位置、设备类型或人口统计信息中的至少一个。8.根据上述权利要求中任一项所述的客户端(305、306、307)，其特征在于，所述物品包括音乐作品、视频文件、应用程序、电器或商品中的一个。9.一种服务器(308)，其特征在于，用于协助为客户端(306)的用户生成新物品的个性化推荐，所述服务器(308)可连接到多个客户端和至少一个内容提供者(302)，以协助为所述客户端(306)的用户生成个性化物品推荐；所述个性化物品推荐是使用集成的多个数据视图的联合模型生成的，所述多个数据视图包括用户
‑
物品交互矩阵R＝PQ
T
、用户数据矩阵X＝UP
T
和物品数据矩阵Y＝QV
T
，其中，所述矩阵Q、V包括与物品元数据相关的隐变量，所述矩阵P、U包括与用户个人数据相关的隐变量；所述服务器(308)用于：生成主模型矩阵Q、U，以协助为所述客户端的用户生成个性化物品推荐；将所述主模型矩阵Q传输到所述至少一个内容提供者(302)；从所述至少一个内容提供者(302)获取梯度矩阵dq*
v
，所述梯度矩阵dq*
v
是响应于所述内容提供者(302)获取的新物品而获取的；根据所述梯度矩阵dq*
v
更新所述主模型矩阵Q；将更新后的主模型矩阵Q
v*
和所述主模型矩阵U传输到每个客户端，使得能够为所述客户端(306)的所述用户生成个性化推荐。10.根据权利要求9所述的服务器，其特征在于，所述服务器还用于：将所述主模型矩阵Q、U传输到与所述服务器(308)连接的每个客户端；从每个客户端获取梯度矩阵dq
x
、du
x
；聚合从每个客户端获取的所述梯度矩阵dq
x
、du
x
，以获得聚合梯度矩阵dq、du；根据所述聚合梯度矩阵dq、du更新所述主模型矩阵Q、U；将所述更新后的主模型矩阵Q、U传输到每个客户端；将所述更新后的主模型矩阵Q传输到所述至少一个内容提供者(302)。11.根据权利要求10所述的服务器，其特征在于，所述服务器还用于：从所述至少一个内容提供者(302)获取梯度矩阵dq
v
；聚合从每个客户端获取的所述梯度矩阵dq
x
、du
x
以及从所述至少一个内容提供者(302)获取的所述梯度矩阵dq
v
，以获得所述聚合梯度矩阵dq、du。12.一种服务器(308)，其特征在于，用于协助为客户端(305)的新用户生成个性化物品推荐，所述服务器(308)可连接到多个客户端和至少一个内容提供者(302)，以协助为所述
客户端(305)的用户生成个性化物品推荐；所述个性化物品推荐是使用集成的多个数据视图的联合模型生成的，所述多个数据视图包括用户
‑
物品交互矩阵R＝PQ
T
、用户数据矩阵X＝UP
T
和物品数据矩阵Y＝QV
T
，其中，所述矩阵Q、V包括与物品元数据相关的隐变量，所述矩阵P、U包括与用户个人数据相关的隐变量；所述服务器(308)用于：生成主模型矩阵Q、U，以协助为所述客户端的用户生成个性化物品推荐；检测新用户；将所述主模型矩阵Q、U传输到所述新用户的客户端(305)，使得能够为所述新用户生成个性化推荐。13.根据权利要求12所述的服务器，其特征在于，所述服务器还用于：将所述主模型矩阵Q、U传输到与所述服务器(308)连接的每个客户端；从每个客户端获取梯度矩阵dq
x
、du
x
；聚合从每个客户端获取的所述梯度矩阵dq
x
、du
x
，以获得聚合梯度矩阵dq、du；根据所述聚合梯度矩阵dq、du更新所述主模型矩阵Q、U；将所述更新后的主模型矩阵Q、U传输到每个客户端。14.根据权利要求13所述的服务器，其特征在于，所述服务器还用于：将所述主模型矩阵Q传输到所述至少一个内容提供者(302)；从所述至少一个内容提供者(302)获取梯度矩阵dq
v
；聚合从每个客户端获取的所述梯度矩阵dq
x
、du
x
以及从所述至少一个内容提供者(302)获取的所述梯度矩阵dq
v
，以获得所述聚合梯度矩阵dq、du。15.根据权利要求12所述的服务器(308)，其特征在于，所述服务器(308)还用于：将所述主模型矩阵Q传输到所述至少一个内容提供者(302)；从所述至少一个内容提供者(302)获取梯度矩阵dq*
v
，所述梯度矩阵dq*
v
是响应于所述内容提供者(302)获取的所述新物品而获取的；根据所述梯度矩阵dq*
v
更新所述主模型矩阵Q；将更新后的主模型矩阵Q
v*
传输到所述新用户的所述客户端(305)，使得能够为所述客户端(305)的所述用户生成个性化推荐。16.一种可连接到服务器(308)的内容提供者(302)，其特征在于，所述服务器(308)利用主模型矩阵Q、U来协助为多个客户端的用户生成个性化物品推荐；其中，所述个性化物品推荐是使用集成的多个数据视图的联合模型生成的，所述多个数据视图包括用户
‑
物品交互矩阵R＝PQ
T
、用户数据矩阵X＝UP
T
和物品数据矩阵Y＝QV
T
，所述矩阵Q、V包括与物品元数据相关的隐变量，所述矩阵P、U包括与用户个人数据相关的隐变量；所述内容提供者(302)用于：从所述服务器(308)获取所述主模型矩阵Q；使用所述主模型矩阵Q和存储在所述内容提供者(302)上的物品元数据y更新本地模型V；根据所述本地模型V和所述物品元数据y计算所述主模型矩阵Q的梯度矩阵dq
v
；将所述梯度矩阵dq
v
传输到所述服务器(308)，以将dq
v
与其它梯度矩阵聚合，使得所述服务器(308)能够更新所述主模型矩阵Q；接收包括物品元数据y*的新物品；
使用所述物品元数据y*更新所述本地模型V；相对于所述更新后的本地模型V计算所述主模型矩阵Q的梯度矩阵dq*
v
；将所述梯度矩阵dq*
v
传输到所述服务器(308)，以更新所述主模型矩阵Q。17.根据权利要求16所述的内容提供者(302)，其特征在于，所述物品包括视频文件、音乐作品、应用程序、电器或商品中的至少一个。18.一种用于为客户端(306)的用户生成新物品的个性化推荐的方法，其特征在于，所述客户端(306)可连接到服务器(...

【专利技术属性】
技术研发人员：穆罕默德，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：