[发明专利]基于迁移学习的联邦推荐方法、装置、设备及介质

权利要求书

1.一种基于迁移学习的联邦推荐方法，其特征在于，所述基于迁移学习的联邦推荐方法应用于第一联邦推荐合作方，所述基于迁移学习的联邦推荐方法包括：

获取本地用户对本地物品的第一行为数据、本地用户的第一用户聚类信息以及本地物品的第一物品聚类信息；

获取第一聚类关系矩阵信息，基于所述第一聚类关系矩阵信息，所述第一行为数据，所述第一用户聚类信息以及所述第一物品聚类信息，计算得到所述本地用户的第二用户聚类信息以及所述本地物品的第二物品聚类信息，以得到第一梯度，其中，聚类关系矩阵信息用于表示用户的聚类信息和物品的聚类信息之间的关联关系；

获取第二联邦推荐合作方基于所述第一聚类关系矩阵信息得到的第二梯度，根据所述第一梯度与所述第二梯度，得到联合的第二聚类关系矩阵信息；

根据联合的所述第二聚类关系矩阵信息，进行精准推荐。

2.如权利要求1所述基于迁移学习的联邦推荐方法，其特征在于，所述获取第一聚类关系矩阵信息，基于所述第一聚类关系矩阵信息，所述第一行为数据，所述第一用户聚类信息以及所述第一物品聚类信息，计算得到所述本地用户的第二用户聚类信息以及所述本地物品的第二物品聚类信息，以得到第一梯度步骤包括：

获取第一聚类关系矩阵信息；

基于所述第一聚类关系矩阵信息，所述第一行为数据，所述第一用户聚类信息以及所述第一物品聚类信息，迭代执行第一预设随机梯度下降流程，以将所述第一行为数据中的用户添加至所述第一用户聚类信息中后，得到收敛的第二用户聚类信息，并将所述第一行为数据中的物品添加至所述第一物品聚类信息中后，得到收敛的第二物品聚类信息；

基于所述收敛的第二用户聚类信息、所述收敛的第二物品聚类信息以及预设的得到所述收敛的第二用户聚类信息以及所述收敛的第二物品聚类信息过程中的第一预估求解误差，确定第一梯度。

3.如权利要求1所述基于迁移学习的联邦推荐方法，其特征在于，所述第二联邦推荐合作方为多个；

所述获取第二联邦推荐合作方基于所述第一聚类关系矩阵信息得到的第二梯度，根据所述第一梯度与所述第二梯度，得到联合的第二聚类关系矩阵信息的步骤包括：

获取多个第二联邦推荐合作方分别基于所述第一聚类关系矩阵信息得到多个第二梯度，以获取基于所述多个第二梯度求均值后得到的融合梯度；

基于所述融合梯度对应迭代更新预设模型，直至所述预设模型收敛，将收敛后的所述预设模型对应的聚类关系矩阵信息设置为所述联合的第二聚类关系矩阵信息。

4.如权利要求1所述基于迁移学习的联邦推荐方法，其特征在于，所述第一联邦推荐合作方与第三方服务器进行通信连接；

所述根据所述第一梯度与所述第二梯度，得到联合的第二聚类关系矩阵信息的步骤之前，所述方法还包括：

生成第一预设公钥和所述第一预设公钥对应第一预设私钥，将所述第一预设公钥发送给所述第三方服务器，以供所述第三方服务器基于所述第一预设公钥对所述第一聚类关系矩阵信息进行加密并发送；

将所述第一预设私钥发送给所述第二联邦推荐合作方，以供所述第二联邦推荐合作方在接收加密后的所述第一聚类关系矩阵信息后，基于所述第一预设私钥进行解密，并将基于所述第一预设私钥加密的所述第二梯度发送给所述第三方服务器。

5.如权利要求1所述基于迁移学习的联邦推荐方法，其特征在于，所述根据所述第一梯度与所述第二梯度，得到联合的第二聚类关系矩阵信息步骤包括：

根据所述第一梯度与所述第二梯度，得到联合的梯度；

根据所述联合的梯度对预设迁移模型进行训练，得到收敛的所述预设迁移模型；

基于收敛后的所述预设迁移模型计算得到联合的第二聚类关系矩阵信息。

6.如权利要求1-5中任一项所述基于迁移学习的联邦推荐方法，其特征在于，所述根据联合的所述第二聚类关系矩阵信息，进行精准推荐步骤包括：

获取所述联合的第二聚类关系矩阵信息与所述本地用户对所述本地物品的评价分值的关联关系，以获取所述本地用户对所述本地物品的评价分值；

根据评价分值的高低，进行精准推荐。