[发明专利]推荐系统优化方法、装置、设备及可读存储介质

权利要求书

1.一种推荐系统优化方法，其特征在于，所述推荐系统优化方法包括：

获取用户数据，并将所述用户数据输入预设协同过滤模型，以对所述用户数据进行语义编码，获得用户特征表示变量，其中，所述预设协同过滤模型通过基于预设纵向联邦流程进行迭代训练而获取；

计算所述用户特征表示变量对应的用户相似性结果，并基于所述相似性结果生成相似用户候选集；

基于所述相似用户候选集，执行预设物品推荐流程。

2.如权利要求1所述推荐系统优化方法，其特征在于，所述推荐系统优化方法应用于第一设备，

所述获取用户数据，并将所述用户数据输入预设协同过滤模型，以对所述用户数据进行语义编码，获得用户特征表示变量，其中，所述预设协同过滤模型通过基于预设纵向联邦流程进行迭代训练而获取的步骤之前包括：

获取训练数据和待训练基础模型，并接收与所述第一设备相关联的第二设备发送的密钥；

生成所述训练数据对应的训练用户特征表示变量，并基于所述密钥，将所述训练用户特征表示变量加密发送至所述第二设备，以供所述第二设备基于多个所述第一设备发送的所述训练用户特征表示变量生成聚合用户特征表示变量；

将所述训练数据输入所述待训练基础模型，并接收所述第二设备加密反馈的所述聚合用户特征表示变量，以基于所述聚合用户特征表示变量，对所述待训练基础模型进行迭代训练，获得所述预设协同过滤模型。

3.如权利要求2所述推荐系统优化方法，其特征在于，所述基于所述聚合用户特征表示变量，对所述待训练基础模型进行迭代训练，获得所述预设协同过滤模型的步骤包括：

对所述待训练基础模型进行迭代训练，以对所述用户特征表示变量进行训练更新，并判断训练后的所述待训练基础模型是否达到预设特征表示更新条件；

若训练后的所述待训练基础模型达到所述预设特征表示更新条件，则基于所述聚合用户特征表示变量，对所述用户特征表示变量进行替换更新；

基于替换更新后的所述用户特征表示变量，重新进行对所述待训练基础模型的迭代训练和是否达到所述预设特征表示更新条件的判断，直至所述待训练基础模型达到预设训练完成条件，获得所述预设协同过滤模型。

4.如权利要求1所述推荐系统优化方法，其特征在于，所述用户特征表示变量包括第一特征表示和第二特征表示，所述预设协同过滤模型包括评分模型，

所述计算所述用户特征表示变量对应的用户相似性结果的步骤包括：

计算所述第一特征表示和所述第二特征表示的内积，获得待处理数据；

将所述待处理数据输入所述评分模型，以对所述用户特征表示变量对应的各待选择用户进行评分，获得所述用户相似性结果。

5.如权利要求1所述推荐系统优化方法，其特征在于，所述基于所述相似用户候选集，执行预设物品推荐流程的步骤包括：

获取所述相似用户候选集对应的第一目标物品集，并对所述第一目标物品集中各物品进行筛选，获得待推荐物品集；

在所述待推荐物品集中选取待推荐物品，并向所述用户数据对应的目标用户推荐所述待推荐物品。

6.如权利要求1所述推荐系统优化方法，其特征在于，所述用户数据对应目标用户，

所述基于所述相似用户候选集，执行预设物品推荐流程的步骤包括：

获取所述目标用户对应的第二目标物品集，并将所述第二目标物品集中各物品向所述相似用户候选集中的各相似用户进行推荐。

7.一种推荐系统优化方法，其特征在于，所述推荐系统优化方法应用于第二设备，所述推荐系统优化方法包括：

生成预设纵向联邦流程对应的密钥，并将所述密钥分别发送至与所述第二设备关联的各第一设备，以供各所述第一设备基于所述密钥对各自的用户特征表示变量进行加密，获得各自的加密用户特征表示变量；

接收各所述第一设备反馈的各所述加密用户特征表示变量，并对各所述加密用户特征表示变量进行解密，获得各用户特征表示变量；

对各所述用户特征表示变量进行聚合处理，获得聚合用户特征表示变量，并将所述聚合用户特征表示变量分别加密发送至各所述第一设备，以供各所述第一设备更新各自的协同过滤模型。