[发明专利]保护数据隐私的多方联合训练对象推荐模型的方法及装置

权利要求书

1.一种保护数据隐私的多方联合训练对象推荐模型的方法，所述多方为N方，所述N方共同维护M个用户对P个对象的总评分矩阵，该方法通过N方中任意的第k方执行，包括：

通过秘密分享获取所述总评分矩阵的第k评分矩阵分片；

通过秘密分享，获取初始化的所述P个对象的对象特征矩阵的第k对象矩阵分片，以及获取初始化的所述M个用户的用户特征矩阵的第k用户矩阵分片；

执行多次迭代更新，其中任一次迭代更新包括：

对于任意的第一用户和第一对象，从所述第k评分矩阵分片中获取第一用户对第一对象的第k评分分片；从上次迭代的第k对象矩阵分片中获取第一对象的第k对象特征分片；以及从上次迭代的第k用户矩阵分片中获取第一用户的第k用户特征分片；

基于所述第k用户特征分片和第k对象特征分片，通过与其他N-1方进行秘密分享矩阵运算，得到所述第一用户和第一对象的特征向量相似度的第k相似度分片，将第k相似度分片和第k评分分片之差作为第k误差分片；

基于所述第k误差分片和第k对象特征分片，通过与其他N-1方进行秘密分享矩阵运算，计算用户特征更新梯度，得到第k用户梯度分片；

基于所述第k误差分片和第k用户特征分片，通过与其他N-1方进行秘密分享矩阵运算，计算对象特征更新梯度，得到第k对象梯度分片；

根据所述第k用户梯度分片，更新所述第k用户特征分片；根据所述第k对象梯度分片，更新所述第k对象特征分片；

其中，所述第k评分矩阵分片、第k对象矩阵分片和第k用户矩阵分片均为所述第k方拥有的矩阵分片；

所述第k方具有所述总评分矩阵的第k评分子矩阵；所述通过秘密分享获取所述总评分矩阵的第k评分矩阵分片，包括：

将所述第k评分子矩阵拆分为N个分片，保留其中的第k分片，将其他N-1个分片对应发送给其他N-1方；并且，从其他N-1方接收其他评分子矩阵的第k分片；

将所述第k评分子矩阵的第k分片，和其他评分子矩阵的第k分片拼接，形成所述第k评分矩阵分片。

2.根据权利要求1所述的方法，其中，所述第k评分子矩阵由M个用户对第k方中的P_k个对象的评分构成。

3.根据权利要求2所述的方法，其中，所述获取初始化的所述P个对象的对象特征矩阵的第k对象矩阵分片，包括：

初始化P_k个对象对应的P_k个对象特征向量，形成第k对象子矩阵；

通过秘密分享将所述第k对象子矩阵拆分为N个分片，保留其中的第k分片，将其他N-1个分片对应发送给其他N-1方；并且，从其他N-1方接收初始化的其他对象子矩阵的第k分片；

将所述第k对象子矩阵的第k分片和其他对象子矩阵的第k分片拼接，形成所述第k对象矩阵分片。

4.根据权利要求2所述的方法，其中，所述第k方为初始化用户特征向量的指定方；所述获取初始化的所述M个用户的用户特征矩阵的第k用户矩阵分片，包括：

初始化M个用户对应的M个用户特征向量，形成用户特征矩阵；

通过秘密分享将所述用户特征矩阵拆分为N个分片，保留其中的所述第k用户矩阵分片，将其他N-1个分片对应发送给其他N-1方。

5.根据权利要求2所述的方法，其中，在所述执行多次迭代更新之后，所述方法还包括：

将更新后的第k用户特征分片分别发送给其他N-1方，并从其他N-1方接收更新后的其他用户特征分片；

将所述更新后的第k用户特征分片和所述接收的更新后的其他用户特征分片拼接，形成更新后的用户特征矩阵。

6.根据权利要求3所述的方法，其中，在所述执行多次迭代更新之后，所述方法还包括：

将更新后的所述第k对象矩阵分片中属于其他对象子矩阵的第k分片，对应发送给其他N-1方，并从其他N-1方接收更新后的属于所述第k对象子矩阵的其他分片；

将所述更新后的所述第k对象矩阵分片中属于所述第k对象子矩阵的第k分片，和所述接收的更新后的其他分片拼接，形成更新后的第k对象子矩阵。