[发明专利]一种产品推荐方法、系统、计算机设备及存储介质

说明书

本申请涉及人工智能，揭露了一种产品推荐方法、系统、计算机设备及存储介质，包括服务器端接收参数数据；服务器经初始化得到产品因子矩阵及参数，并将产品因子矩阵参数和参数数据发送至多个客户端；客户端据此更新用户因子矩阵，利用q‑FedAvg算法计算加权差值和归一化常量并返回给服务器；服务器利用产品因子矩阵参数和加权差值与归一化常量，对产品因子矩阵参数进行更新；服务器根据更新后的产品因子矩阵参数确定目标产品因子矩阵，将目标产品因子矩阵发送至目标客户端；目标客户端利用目标产品因子矩阵和更新后的用户因子矩阵，计算预测评分值，将排序高的前N个产品推荐给所述用户。本申请保护用户数据不外泄的同时，提高推荐产品与用户的贴合度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种产品推荐方法、系统、计算机设备及存储介质。

背景技术

随着社会的不断发展，人们对于隐私的保护越来越看重，并且各国也颁布了各种条款来加以对隐私数据的保护，例如欧盟的GDPR（General Data Protection Regulation，通用数据保护条款），和我国出台的《数据安全管理办法》（征求意见稿），面对这种情况，如何保护用户数据不泄露的情况下对用户完成产品的推荐是个问题。在现有技术中，基于矩阵分解的协同过滤算法存在计算和存储成本高的问题，并且还存在用户数据可能被服务器泄露的问题，所以如何保证用户隐私不泄露的情况下完成对用户的产品推荐，且降低推荐模型计算成本成为了亟待解决的问题。

发明内容

本申请提供了一种产品推荐方法、系统、计算机设备及存储介质，以解决现有技术中在对用户进行产品推荐时存在的用户隐私泄露且模型计算成本高的问题。

为解决上述问题，本申请提供了一种产品推荐方法，包括：

服务器端接收用户输入参数数据；

所述服务器端经初始化处理得到产品因子矩阵和产品因子矩阵参数，并将所述产品因子矩阵参数和部分所述参数数据发送至多个客户端；

所述多个客户端根据所述产品因子矩阵参数和部分所述参数数据更新用户因子矩阵,并利用q-FedAvg算法计算加权差值和归一化常量，将所述加权差值和归一化常量，将所述加权差值和归一化常量返回给所述服务器端；

所述服务器端基于剩余部分所述参数数据，利用所述产品因子矩阵参数和接收到的所有加权差值和归一化常量，对所述产品因子矩阵参数进行迭代更新；

所述服务器端根据更新后的产品因子矩阵参数确定目标产品因子矩阵，并将所述目标产品因子矩阵发送至目标客户端；

所述目标客户端利用所述目标产品因子矩阵和更新后的所述用户因子矩阵，计算所述用户对产品的预测评分值，并对预测评分值排序，将排序高的前N个产品推荐给所述用户。

进一步的，所述根据更新后的产品因子矩阵参数确定目标产品因子矩阵，包括：

判断更新后的产品因子矩阵参数与更新前的产品因子矩阵参数的差值是否小于预设数值；

若所述差值大于预设数值，则将更新后的产品因子矩阵参数，重新发送至客户端继续进行迭代更新，直到所述差值小于所述预设数值为止；

若所述差值小于等于所述预设数值，则利用更新后的所述产品因子矩阵参数生成目标产品因子矩阵。

在所述将所述产品因子矩阵参数发送至多个客户端之前，还包括：

将所述产品因子矩阵参数进行同态加密。

进一步的，所述服务器端基于剩余部分所述参数数据，利用所述产品因子矩阵参数和接收到的所有加权差值和归一化常量，对所述产品因子矩阵参数进行迭代更新，包括：

所述服务器端利用得到更新后的产品因子矩阵参数，i表示客户端数量，St表示客户端集合。