[发明专利]纵向联邦推荐召回方法、装置、设备及可读存储介质

权利要求书

1.一种纵向联邦推荐召回方法，其特征在于，所述纵向联邦推荐召回方法应用于第一设备，所述纵向联邦推荐召回方法包括：

当接收到预测请求时，提取所述预测请求对应待预测用户数据，并将所述待预测用户数据输入至推荐物品预测模型中，获得用户特征表示集和物品特征表示集，其中，所述推荐物品预测模型为基于用户行为数据矩阵通过执行预设纵向联邦流程，对预设待训练预测模型进行迭代训练得到的；

基于所述用户特征表示和所述物品特征表示，生成所述待预测用户数据对应的物品召回集。

2.如权利要求1所述纵向联邦推荐召回方法，其特征在于，所述当接收到预测请求时，提取所述预测请求对应待预测用户数据，并将所述待预测用户数据输入至推荐物品预测模型中步骤之前包括：

获取用户行为数据矩阵，并基于所述用户行为数据矩阵，通过执行预设纵向联邦流程，对预设待训练预测模型进行迭代训练，得到所述推荐物品预测模型。

3.如权利要求2所述纵向联邦推荐召回方法，其特征在于，所述获取用户行为数据矩阵，并基于所述用户行为数据矩阵，通过执行预设纵向联邦流程，对预设待训练预测模型进行迭代训练，得到所述推荐物品预测模型的步骤包括：

基于所述用户行为数据矩阵，对所述预设待训练预测模型进行迭代训练，以训练更新所述预设待训练预测模型的模型变量，其中，所述模型变量包括初始用户特征表示变量和初始物品特征表示变量；

判断迭代训练的所述待预测模型是否达到预设替换更新条件，若所述待训练预测模型达到预设替换更新条件，则通过执行所述预设纵向联邦流程，对训练更新的所述初始用户特征表示变量进行替换更新，获得替换更新的所述预设待训练预测模型；

持续对替换更新的所述预设待训练预测模型进行迭代训练和替换更新，直至所述预设待训练模型满足预设训练完成条件，获得所述推荐物品预测模型。

4.如权利要求3所述纵向联邦推荐召回方法，其特征在于，所述通过执行所述预设纵向联邦流程，对训练更新的所述初始用户特征表示变量进行替换更新，获得替换更新的所述预设待训练预测模型的步骤包括：

将训练更新的所述初始用户特征表示变量加密发送至与所述第一设备关联的第二设备，以供所述第二设备对多个其他所述第一设备发送的初始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反馈至各所述第一设备；

接收所述第二设备反馈的所述聚合用户特征表示变量，并将训练更新的所述初始用户特征表示变量替换更新为所述聚合用户特征表示变量，获得替换更新的所述预设待训练预测模型。

5.如权利要求1所述纵向联邦推荐召回方法，其特征在于，所述待预测用户数据包括待推荐物品候选集，所述用户特征表示集包括一个或者多个用户特征表示，所述物品特征表示集包括一个或者多个物品特征表示，

所述基于所述用户特征表示和所述物品特征表示，生成所述待预测用户数据对应的物品召回集的步骤包括：

计算各所述用户特征表示和各所述物品特征表示的内积，获得所述待预测用户对所述待推荐物品候选集中各物品的点击概率；

基于所述点击概率，对所述待推荐物品集中各所述物品进行排序，获得待推荐物品列表；

在所述待推荐物品列表中选取所述物品召回集。

6.如权利要求1所述纵向联邦推荐召回方法，其特征在于，所述待预测用户数据包括待预测用户ID和待推荐物品候选集，

所述将所述待预测用户数据输入所述推荐物品预测模型，获得用户特征表示集和物品特征表示集的步骤包括：

分别将所述待预测用户ID和所述待推荐物品候选集输入所述推荐物品预测模型，以在预设本地数据库中提取所述待预测用户ID对应的所述用户特征表示集和所述待推荐物品候选集对应的物品特征表示集。