[发明专利]不利用可信初始化器的秘密共享

权利要求书

1.一种计算机实现的方法，包括：

对象评级和推荐平台识别评级数据，所述评级数据包括针对多个用户的多个对象的对应评级；

所述对象评级和推荐平台识别包括多个用户特征的用户特征数据，所述用户特征有助于针对所述多个用户的所述多个对象的所述对应评级；

所述对象评级和推荐平台经由不利用可信初始化器的秘密共享方案，从社交网络平台接收基于社交网络数据和多个第一随机变量计算得到的多个经操作的社交网络数据，其中，所述社交网络数据表示所述多个用户中的任意两个用户之间的社交关系，其中，在所述不利用可信初始化器的秘密共享方案中，所述社交网络平台与所述对象评级和推荐平台共享所述多个经操作的社交网络数据而不公开所述社交网络数据；以及

所述对象评级和推荐平台基于所述评级数据和所述多个经操作的社交网络数据更新所述用户特征数据。

2.如权利要求1所述的计算机实现的方法，

其中，在所述不利用可信初始化器的秘密共享方案中，所述对象评级和推荐平台与所述社交网络平台共享多个经操作的用户特征数据而不公开所述用户特征数据，

其中，所述多个经操作的用户特征数据是基于所述用户特征数据和多个第二随机变量计算得到的。

3.如权利要求2所述的计算机实现的方法，还包括，在所述不利用可信初始化器的秘密共享方案中：

所述对象评级和推荐平台获得所述用户特征数据的向量；

所述对象评级和推荐平台基于所述用户特征数据的向量和所述多个第二随机变量生成第一经操作的用户特征数据；

所述对象评级和推荐平台向所述社交网络平台发送第一经操作的用户特征数据；

所述对象评级和推荐平台从所述社交网络平台接收基于所述社交网络数据和所述多个第一随机变量计算得到的第一经操作的社交网络数据；以及

所述对象评级和推荐平台基于所述第一经操作的用户特征数据、所述第一经操作的社交网络数据或所述多个第二随机变量中的两个或更多个生成一个所述经操作的用户特征数据。

4.如权利要求2所述的计算机实现的方法，其中，更新所述用户特征数据包括：

基于所述多个经操作的用户特征数据之一和所述多个经操作的社交网络数据之一的和，来计算所述用户特征数据和所述社交网络数据的乘积。

5.如权利要求3所述的计算机实现的方法，其中，在不利用所述社交网络数据的情况下，通过计算所述多个经操作的用户特征数据之一与所述多个经操作的社交网络数据之一的和，来计算所述用户特征数据和所述社交网络数据的乘积，包括：对于所述用户特征数据和所述社交网络数据的乘积中的每项，在不利用所述社交网络数据的情况下，计算所述多个经操作的用户特征数据之一和所述多个经操作的社交网络数据之一。

6.如权利要求1所述的计算机实现的方法，还包括：

识别包括多个对象特征的对象特征数据，所述对象特征有助于针对所述多个用户的所述多个对象的所述对应评级，其中，所述用户特征数据和所述对象特征数据的乘积导致对所述评级数据的评估；以及

基于所述评级数据、所述用户特征数据和所述多个经操作的社交网络数据更新所述对象特征数据。

7.如权利要求5所述的计算机实现的方法，还包括：

基于所述用户特征数据和所述对象特征数据的所述乘积，生成针对所述多个用户的所述多个对象的预测评级数据；以及

基于所述预测评级数据生成针对特定用户的特定对象的推荐。

8.如权利要求6所述的计算机实现的方法，其中，更新所述用户特征数据包括：求解优化问题，以使所述预测评级数据和评级数据之间的差、所述社交网络数据加权的所述用户特征数据以及防止过度拟合项的加权和最小。