[发明专利]个性化推荐的生成

说明书

根据一个方面，提供了一种客户端，用于为所述客户端的用户生成个性化冷启动联邦推荐。所述客户端为以下三种冷启动场景生成个性化推荐：(i)向没有任何用户‑物品交互历史记录的新用户推荐物品；(ii)在没有物品历史记录的情况下，向一组最有潜力的用户推荐新物品；(iii)在没有与用户或物品相关联的历史记录的情况下，向新用户推荐新物品。所述客户端采用联合多视图矩阵分解法来生成冷启动推荐，而无需将用户的个人数据传输到远程服务器。此外，根据一些方面，在联合设置中提供了用于协助生成个性化冷启动推荐的服务器和内容提供者。

技术领域

本申请涉及信息技术领域，更具体地，涉及推荐系统。

背景技术

在推荐服务中，新用户可以相当快的速度不断加入。为了确保用户留存率，必须为新用户提供最优质的服务，并为每个用户提供达到预期效果的个性化推荐。

此外，每项推荐服务都会定期添加新内容。例如，视频和应用程序可以有不断增加的物品组合供用户观看。新物品的强劲进展在很大程度上取决于其添加到服务后的头几天和几周。

上述两种示例性情况都是没有用户-物品交互历史记录的所谓的“冷启动”用户-物品推荐的典型情况。从技术上来看，冷启动推荐的目标可以是：(i)向没有任何用户-物品交互历史记录的新用户推荐物品；(ii)在平台没有物品历史记录的情况下，向一组最有潜力的用户推荐新物品；(iii)最具挑战性的情况是，在没有与用户或视频相关联的历史记录的情况下，确定是否应向新用户推荐新视频。

冷启动推荐对推荐服务具有根本性的价值。然而，现有的冷启动推荐系统可能需要将用户的个人数据发送到集中式服务器。这引发了人们对隐私的担忧。例如，根据欧盟《通用数据保护条例》指令，不能从用户的客户端设备中移出个人数据(例如，位置、性别、人口统计信息)。因此，需要一种能够在不将用户的个人数据移出其设备的情况下进行冷启动用户-物品推荐的系统。

发明内容

提供本发明内容是为了以简化的形式介绍在以下具体实施方式中进一步描述的概念的选择。发明内容并非旨在确定请求保护的主题的关键或必要特征，也并非旨在用于限制请求保护的主题的范围。

本发明的目的在于提供一种方案，以便在各种冷启动情况下也为客户端的用户生成个性化物品推荐。本发明提供了用于为客户端的用户提供个性化物品推荐的客户端、服务器、内容提供者、系统和方法。

通过独立权利要求的特征来实现该目标。根据从属权利要求、说明书和附图，其它实施例和示例是显而易见的。

根据第一方面，提供了一种客户端，用于为所述客户端的用户生成新物品的个性化推荐。所述客户端可连接到服务器，所述服务器包括用于分发给多个客户端以生成个性化物品推荐的主模型矩阵Q、U；其中，所述个性化物品推荐是使用集成的多个数据视图的联合模型生成的，所述多个数据视图包括用户-物品交互矩阵R＝PQ^T、用户数据矩阵X＝UP^T和物品数据矩阵Y＝QV^T，所述矩阵Q、V包括与物品元数据相关的隐变量，所述矩阵P、U包括与用户个人数据相关的隐变量；所述客户端用于：检索存储在所述客户端上的本地数据集x；从所述服务器获取更新后的主模型矩阵Q_v*，所述主模型矩阵Q响应于新物品而进行更新；根据所述更新后的主模型矩阵Q_v*和所述本地数据集x更新本地模型P；使用所述本地模型P和所述更新后的主模型矩阵Q_v*，为所述客户端的所述用户生成所述新物品的个性化推荐。这使得可以为所述客户端的所述用户提供个性化物品推荐。可以在以下情况下提供所述个性化物品推荐：新物品被添加到服务或平台中，并且没有任何关于用户-物品交互的历史数据。此外，可能不需要将用户的个人数据传输到所述客户端外部。

在所述第一方面的一种实现方式中，所述客户端还用于：从所述服务器获取所述主模型矩阵Q、U；根据所述主模型矩阵Q、U和所述本地数据集x更新所述本地模型P。因此，可以使用来自所述主模型矩阵的最新参数更新来生成所述个性化物品推荐。