[发明专利]数据推荐方法、设备及存储介质

权利要求书

1.一种数据推荐方法，其特征在于，应用于第一参与方，所述第一参与方与其他第二参与方进行通信连接，所述数据推荐方法包括：

确定与其他第二参与方对应相同用户的物品关联数据；

根据所述相同用户的物品关联数据，联邦确定不同物品的第一相关性信息；

根据所述不同物品的第一相关性信息，确定所述不同物品的组合方式。

2.如权利要求1所述的数据推荐方法，其特征在于，所述物品关联数据包括饮食关联数据，所述根据所述相同用户的物品关联数据，联邦确定不同物品的第一相关性信息的步骤，包括：

根据所述相同用户的饮食关联数据，联合构建目标纵向联邦学习模型；

根据所述目标纵向联邦学习模型，确定不同菜品的第一相关性信息。

3.如权利要求2所述的数据推荐方法，其特征在于，所述第一参与方与服务器端进行通信连接，所述根据所述相同用户的饮食关联数据，联合构建目标纵向联邦学习模型的步骤，包括：

在第一参与方本地确定第一参与方的所述相同用户的用户嵌入向量；

基于所述相同用户的饮食关联数据，接收服务器端确定的各所述相同用户对应的物品嵌入向量；

基于所述用户嵌入向量以及对应所述物品嵌入向量，联合构建目标纵向联邦学习模型。

4.如权利要求3所述的数据处理方法，其特征在于，所述基于所述用户嵌入向量以及对应所述物品嵌入向量，联合构建目标纵向联邦学习模型的步骤，包括：

将同一用户的所述用户嵌入向量以及对应所述物品嵌入向量，进行向量合并，得到同一用户的整合向量；

基于多个所述整合向量，通过预设纵向联邦学习联合构建目标纵向联邦学习模型。

5.如权利要求2所述的数据推荐方法，其特征在于，所述第一参与方与服务器端进行通信连接，所述根据所述相同用户的饮食关联数据，联合构建目标纵向联邦学习模型的步骤，包括：

获取基于第一参与方的本地饮食关联数据，对预设基础模型进行迭代训练得到的各参与方模型参数，其中，所述第一参与方的饮食关联数据具有预设类别标签；

接收服务器端对第一参与方的模型参数与其他第二参与方的模型参数进行聚合处理后，得到聚合模型参数；

基于所述聚合模型参数对所述预设基础模型进行训练更新，直到检测到所述训练更新的预设基础模型满足预设停止条件，得到目标纵向联邦学习模型。

6.如权利要求1-5任一项所述的数据推荐方法，其特征在于，所述确定不同参与方中相同用户的物品关联数据的步骤之后，所述方法包括：

根据所述相同用户的物品关联数据，确定用户的第二相关性信息；

在接收到目标用户的点餐指令时，获取所述目标用户的目标用户信息；

根据所述用户的第二相关性信息以及所述目标用户信息，对所述目标用户进行菜品的针对性推荐。

7.如权利要求6所述的数据推荐方法，其特征在于，所述根据所述用户的第二相关性信息以及所述目标用户信息，对所述目标用户进行菜品的针对性推荐的步骤，包括：

根据所述用户的第二相关性信息以及所述目标用户信息，确定所述目标用户的相似用户；

获取所述相似用户的菜品信息，根据所述相似用户的菜品信息，对所述目标用户进行菜品的针对性推荐。

8.一种数据推荐装置，其特征在于，应用于第一参与方，所述第一参与方与其他第二参与方进行通信连接，所述数据推荐装置包括：

第一确定模块，用于确定与其他第二参与方对应相同用户的物品关联数据；

第二确定模块，用于根据所述相同用户的物品关联数据，联邦确定不同物品的第一相关性信息；

第三确定模块，用于根据所述不同物品的第一相关性信息，确定所述不同物品的组合方式。