[发明专利]数据推荐方法、设备及存储介质

说明书

本申请公开了一种数据推荐方法、装置、设备和存储介质，该方法包括：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。本申请实现提升菜品的品质，减少餐饮机构新菜品的尝试成本，有利于餐饮机构成本的控制，避免浪费。

技术领域

本申请涉及金融科技(Fintech)的人工智能技术领域，尤其涉及一种数据推荐方法、设备及存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如金融业对数据推荐尤其是餐饮数据推荐也有更高的要求。

目前，各大餐饮机构大多聚焦带有强烈地域特色的菜品，如四川菜，江浙菜，粤菜等，或者各大餐馆聚焦于以某单一食材为特色的菜品，如小龙虾，椰子鸡等，为确保竞争优势，市场上餐饮机构还将特色菜品中的原料物品(菜品)与地域特色菜品，或者将地域特色菜品中的原料物品(菜品)与特色菜品进行简单的融合，以满足尽可能多的用户的需求，而这既不利于餐饮机构成本的控制，也不利于菜品的品质把控。

发明内容

本申请的主要目的在于提供一种数据推荐方法、装置、设备和存储介质，旨在解决现有技术中餐饮机构将不同特色菜品进行简单的融合，难以控制成本和把控菜品品质的技术问题。

为实现上述目的，本申请提供一种数据推荐方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；