[发明专利]一种由用户终端执行的推送模型优化方法和装置

说明书

本说明书实施例提供一种由用户终端执行的推送模型优化方法和装置，所述终端与第一用户相对应，所述终端本地包括当前推送模型，所述方法包括：获取第一用户针对第一对象的第一行为数据，其中，第一对象属于预定候选推送对象集合；基于第一输入特征和第一行为数据，计算用于优化所述推送模型的第一梯度数据，其中，第一输入特征包括从本地获取的所述第一用户的当前特征和从服务器获取的第一对象的当前特征；确定第一用户的当前的预定数目的邻居用户，其中，邻居用户与所述第一用户具有预定关联关系；将第一梯度数据分别发送给预定数目的邻居用户各自的终端，以使得每个邻居用户的终端基于第一梯度数据分别优化其本地的推送模型。

技术领域

本说明书实施例涉及机器学习技术领域，更具体地，涉及一种由用户终端执行的推送模型优化方法和装置。

背景技术

在地理信息系统(例如地图APP、导航APP等)中，通常包括多个兴趣点(POI，pointof interest)，POI泛指一切可以抽象为点的地理对象，尤其是一些与人们生活密切相关的地理实体，如学校、银行、餐馆、加油站、医院、超市等。兴趣点的主要用途是对事物或事件的地址进行描述，能在很大程度上增强对事物或事件位置的描述能力和查询能力，提高地理定位的精度和速度。每个POI包含四方面信息，名称、类别、坐标、分类。现在的POI推荐技术主要是中心化的推荐系统构建者，根据采集到的用户物品交互原始信息进行统计，并对热门物品进行推荐。由于现在的方法需要在服务器端采集用户物品交互(如点击)数据的原始信息，因此，用户的隐私没有得到保护。

因此，需要一种更有效的由用户终端执行的推送模型优化方法。

发明内容

本说明书实施例旨在提供一种更有效的由用户终端执行的推送模型优化方法

本说明书一方面提供一种由用户终端执行的推送模型优化方法，所述终端与第一用户相对应，所述终端本地包括当前推送模型，所述方法包括：

获取第一用户针对第一对象的第一行为数据，其中，所述第一对象属于预定候选推送对象集合；

基于第一输入特征和所述第一行为数据，计算用于优化所述推送模型的第一梯度数据，其中，所述第一输入特征包括从本地获取的所述第一用户的当前特征和从服务器获取的第一对象的当前特征；

确定所述第一用户的当前的预定数目的邻居用户，其中，所述邻居用户与所述第一用户具有预定关联关系；

将所述第一梯度数据分别发送给所述预定数目的邻居用户各自的终端，以使得每个邻居用户的终端基于所述第一梯度数据分别优化其本地的推送模型。

在一个实施例中，所述方法还包括，在获取第一用户针对第一对象的第一行为数据之前，将所述第一输入特征输入所述推送模型以输出与所述第一输入特征对应的第一预测值，在基于所述第一预测值确定向所述第一用户推送所述第一对象的情况中，进行所述推送，以获取第一用户针对所述第一对象的第一行为数据。

在一个实施例中，所述第一输入特征包括从服务器获取的所述第一对象的热度特征，其中，所述服务器通过本地差分隐私算法从多个终端获取所述第一对象的热度特征。

在一个实施例中，所述预定候选推送对象集合包括第一地理区域中的用户兴趣点，其中，所述第一地理区域为以第一用户为中心的预定地理范围内的区域。

在一个实施例中，所述预定关联关系为地理位置关联关系。

在一个实施例中，所述第一行为数据为第一用户针对所述第一对象的消费信息，所述第一行为数据对应于正样本的标签值。

在一个实施例中，所述推送模型包括逻辑回归模型。

本说明书另一方面提供一种由用户终端执行的推送模型优化装置，所述终端与第一用户相对应，所述终端本地包括当前推送模型，所述装置包括：