物品信息推荐方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开的实施例公开了物品信息推荐方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：响应于确定表征用户与物品关联关系的关系矩阵中，存在关系属性值为空的目标元素，从关系矩阵所指示的物品中，选取与目标物品相似的物品，得到相似物品集；基于关系矩阵中，各用户与目标物品的关系属性值，以及相似物品集中，各相似物品与目标用户的关系属性值，确定目标用户与目标物品的预测关系属性值；对预测关系属性值进行隐私计算，得到目标关系属性值；基于目标关系属性值，确定推荐物品，并将物品信息发送给目标用户。该实施方式与信息安全有关，在进行物品信息推荐的过程中，可以对用户的个人信息进行保护，提升信息的安全性。的安全性。的安全性。

【技术实现步骤摘要】
物品信息推荐方法、装置、电子设备和计算机可读介质


[0001]本公开的实施例涉及信息安全
，具体涉及物品信息推荐方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]随着国内电商行业的发展，网络信息呈指数增长。在这种情况下，电商平台可以通过挖掘用户数据之间的关系，来发现用户潜在的消费趋势，从而建立用户特征，为用户提供个性化的信息推荐。
[0003]然而，专利技术人发现，相关推荐算法在挖掘用户数据的过程中，所涉及的数据中含有用户个人信息。因此，存在隐私信息泄露的风险。
[0004]该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0006]本公开的一些实施例提出了物品信息推荐方法、装置、电子设备、计算机可读介质和计算机程序产品，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0007]第一方面，本公开的一些实施例提供了一种物品信息推荐方法，包括：响应于确定表征用户与物品关联关系的关系矩阵中，存在关系属性值为空的目标元素，从关系矩阵所指示的各物品中，选取出预设数目个与目标物品相似的物品，得到相似物品集，其中，目标元素所指示的物品为目标物品，所指示的用户为目标用户；基于关系矩阵中，除目标用户以外各用户与目标物品的关系属性值，以及相似物品集中，各相似物品与目标用户的关系属性值，确定目标用户与目标物品的预测关系属性值；对预测关系属性值进行隐私计算，得到目标关系属性值；基于目标关系属性值，确定推荐物品，及将推荐物品的信息发送给目标用户。
[0008]在一些实施例中，从关系矩阵所指示的各物品中，选取出预设数目个与目标物品相似的物品，得到相似物品集，包括：根据关系矩阵中的各关系属性值，确定各物品与目标物品的关系属性相似度；根据物品的标签属性信息，确定各物品与目标物品的标签属性相似度；基于关系属性相似度和标签属性相似度，从关系矩阵所指示的各物品中，选取出预设数目个物品以作为目标物品的相似物品，得到相似物品集合。
[0009]在一些实施例中，根据关系矩阵中的各关系属性值，确定各物品与目标物品的关系属性相似度，包括：对于关系矩阵所指示的各物品中除目标物品外的物品，确定与该物品及目标物品的关系属性值非空的第一用户，得到第一用户集合，根据第一用户集合中，各第一用户与该物品的关系属性值，以及与目标物品的关系属性值，利用皮尔逊相关系数算法，
确定该物品与目标物品的关系属性相似度。
[0010]在一些实施例中，根据物品的标签属性信息，确定各物品与目标物品的标签属性相似度，包括：对于关系矩阵所指示的各物品中除目标物品外的物品，确定该物品与目标物品具有的相同标签属性的数量，基于相同标签属性的数量，确定该物品与目标物品的标签属性相似度。
[0011]在一些实施例中，基于关系属性相似度和标签属性相似度，从关系矩阵所指示的各物品中，选取出预设数目个物品，包括：对于关系矩阵所指示的各物品中除目标物品外的物品，将该物品的关系属性相似度和标签属性相似度进行加权求和，得到该物品与目标物品的综合相似度；从各物品中，按照综合相似度的值由高到低的顺序，选取出预设数目个物品。
[0012]在一些实施例中，对预测关系属性值进行隐私计算，得到目标关系属性值，包括：利用差分隐私算法，对预测关系属性值进行加噪处理，将处理结果作为目标关系属性值。
[0013]在一些实施例中，利用差分隐私算法，对预测关系属性值进行加噪处理，包括：确定关系矩阵中各关系属性值的最大值和最小值；根据最大值、最小值、预设隐私参数，生成拉普拉斯噪声；在预测关系属性值中加入拉普拉斯噪声。
[0014]在一些实施例中，基于目标关系属性值，确定推荐物品，包括：对关系矩阵中的各关系属性值进行隐私计算，得到备用关系矩阵；根据目标关系属性值，对备用关系矩阵中的目标元素进行填充，得到目标关系矩阵；基于目标关系矩阵确定推荐物品。
[0015]在一些实施例中，对关系矩阵中的各关系属性值进行隐私计算，得到备用关系矩阵，包括：利用差分隐私算法，对关系矩阵中的各关系属性值进行加噪处理，将处理后的关系矩阵作为备用关系矩阵。
[0016]在一些实施例中，基于目标关系矩阵确定推荐物品，包括：根据目标关系矩阵，利用基于用户的协同过滤算法，确定目标用户与各候选物品的预估关系属性值，其中，候选物品为目标关系矩阵所指示的各物品中，与目标用户的关系属性值为填充的目标关系属性值的物品；根据预估关系属性值，从各候选物品中选取候选物品作为推荐物品。
[0017]在一些实施例中，关系矩阵通过以下方法生成：根据样本数据集，确定用户数量、物品数量，以及用户与物品之间的各关系属性值，其中，样本数据集中的样本数据包括用户信息、物品信息和关联信息；基于用户数量和物品数量，确定关系矩阵的行数和列数；基于用户与物品之间的各关系属性值，确定关系矩阵中各元素的值。
[0018]在一些实施例中，基于用户与物品之间的各关系属性值，确定关系矩阵中各元素的值，包括：对用户与物品之间的各关系属性值进行归一化处理，将处理后的各关系属性值作为关系矩阵中对应元素的值。
[0019]第二方面，本公开的一些实施例提供了一种物品信息推荐装置，包括：相似物品选取单元，被配置成响应于确定表征用户与物品关联关系的关系矩阵中，存在关系属性值为空的目标元素，从关系矩阵所指示的各物品中，选取出预设数目个与目标物品相似的物品，得到相似物品集，其中，目标元素所指示的物品为目标物品，所指示的用户为目标用户；关系预测单元，被配置成基于关系矩阵中，除目标用户以外各用户与目标物品的关系属性值，以及相似物品集中，各相似物品与目标用户的关系属性值，确定目标用户与目标物品的预测关系属性值；计算单元，被配置成对预测关系属性值进行隐私计算，得到目标关系属性
值；推荐单元，被配置成基于目标关系属性值，确定推荐物品，及将推荐物品的信息发送给目标用户。
[0020]在一些实施例中，相似物品选取单元包括：关系相似度确定子单元，被配置成根据关系矩阵中的各关系属性值，确定各物品与目标物品的关系属性相似度；标签相似度确定子单元，被配置成根据物品的标签属性信息，确定各物品与目标物品的标签属性相似度；选取子单元，被配置成基于关系属性相似度和标签属性相似度，从关系矩阵所指示的各物品中，选取出预设数目个物品以作为目标物品的相似物品，得到相似物品集合。
[0021]在一些实施例中，关系相似度确定子单元进一步被配置成对于关系矩阵所指示的各物品中除目标物品外的物品，确定与该物品及目标物品的关系属性值非空的第一用户，得到第一用户集合，根据第一用户集合中，各第一用户与该物品的关系属性值，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物品信息推荐方法，包括：响应于确定表征用户与物品关联关系的关系矩阵中，存在关系属性值为空的目标元素，从所述关系矩阵所指示的各物品中，选取出预设数目个与目标物品相似的物品，得到相似物品集，其中，所述目标元素所指示的物品为目标物品，所指示的用户为目标用户；基于所述关系矩阵中，除所述目标用户以外各用户与所述目标物品的关系属性值，以及所述相似物品集中，各相似物品与所述目标用户的关系属性值，确定所述目标用户与所述目标物品的预测关系属性值；对所述预测关系属性值进行隐私计算，得到目标关系属性值；基于所述目标关系属性值，确定推荐物品，及将所述推荐物品的信息发送给所述目标用户。2.根据权利要求1所述的方法，其中，所述从所述关系矩阵所指示的各物品中，选取出预设数目个与目标物品相似的物品，得到相似物品集，包括：根据所述关系矩阵中的各关系属性值，确定各物品与目标物品的关系属性相似度；根据物品的标签属性信息，确定各物品与所述目标物品的标签属性相似度；基于关系属性相似度和标签属性相似度，从所述关系矩阵所指示的各物品中，选取出预设数目个物品以作为所述目标物品的相似物品，得到相似物品集合。3.根据权利要求2所述的方法，其中，所述根据所述关系矩阵中的各关系属性值，确定各物品与目标物品的关系属性相似度，包括：对于所述关系矩阵所指示的各物品中除目标物品外的物品，确定与该物品及所述目标物品的关系属性值非空的第一用户，得到第一用户集合，根据所述第一用户集合中，各第一用户与该物品的关系属性值，以及与所述目标物品的关系属性值，利用皮尔逊相关系数算法，确定该物品与所述目标物品的关系属性相似度。4.根据权利要求2所述的方法，其中，所述根据物品的标签属性信息，确定各物品与所述目标物品的标签属性相似度，包括：对于所述关系矩阵所指示的各物品中除目标物品外的物品，确定该物品与所述目标物品具有的相同标签属性的数量，基于相同标签属性的数量，确定该物品与所述目标物品的标签属性相似度。5.根据权利要求2所述的方法，其中，所述基于关系属性相似度和标签属性相似度，从所述关系矩阵所指示的各物品中，选取出预设数目个物品，包括：对于所述关系矩阵所指示的各物品中除目标物品外的物品，将该物品的关系属性相似度和标签属性相似度进行加权求和，得到该物品与所述目标物品的综合相似度；从所述各物品中，按照综合相似度的值由高到低的顺序，选取出预设数目个物品。6.根据权利要求1所述的方法，其中，所述对所述预测关系属性值进行隐私计算，得到目标关系属性值，包括：利用差分隐私算法，对所述预测关系属性值进行加噪处理，将处理结果作为目标关系属性值。7.根据权利要求6所述的方法，其中，所述利用差分隐私算法，对所述预测关系属性值进行加噪处理，包括：确定所述关系矩阵中各关系属性值的最大值和最小值；
根据所述最大值、所述最小值、预设隐私参数，生成拉普拉斯噪声；在所述预测关系属性值中加入所述拉普拉斯噪声。8.根据权利要求1所述的方法，其中，所述基于所述目标关系属性值，确定推荐物...

【专利技术属性】
技术研发人员：张瑞，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：