[发明专利]具有隐私保护功能的跨域医疗保健设备推荐方法及系统

说明书

本公开提供了一种具有隐私保护功能的跨域医疗保健设备推荐方法及系统，获取目标域关于医疗保健设备的用户和项目的ID数据；对目标域用户ID数据和项目ID数据分别进行one‑hot编码表示；利用辅助域用户领域依赖特征和辅助域用户领域不依赖特征对目标域one‑hot编码表示进行扩展，得到扩展后的特征；利用扩展后的特征和训练好的因子分解机模型预测目标域用户对项目的评分，根据评分结果进行医疗保健设备的推荐；本公开可确保其他平台无法根据公开的用户潜在因子向量反向推导出原始的评分信息，能有效解决在辅助域数据迁移过程中用户的原始数据隐私泄露问题。

技术领域

本公开涉及互联网信息技术处理领域，特别涉及一种具有隐私保护功能的跨域医疗保健设备推荐方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

目前，由于AI和物联网领域的快速发展，各行各业都涌现出了大量的智能物联网设备。在医疗保健领域，智能物联网设备主要体现为医疗保健设备，市场上有各种类型的医疗保健设备，包括：智能手环、智能戒指、感应头带和智能眼镜，简单的手持设备等。这些设备数量、种类繁多，其价格、质量、功能等方面都各不相同，过量的信息让消费者难以做出选择。推荐系统能有效解决信息过载问题，协助用户从繁杂的信息中筛选出最喜爱的商品。

由于医疗保健设备通常是耐用产品且兼具多种功能，用户购买频率低、数量少，因此，由用户对商品的评分数据构成的用户商品评分矩阵具有稀疏性的特点。这种稀疏的评分矩阵使得上述的医疗保健设备推荐很难有效。考虑到用户通常有购买医疗保健设备之外的其他类型物品的信息，而这信息通常与各种医疗保健产品的用户需求有关且数据丰富。例如，用户在食品领域和户外运动产品领域上的行为数据往往远大于其在医疗保健产品领域的行为数据，而用户的饮食习惯和运动习惯可以反映其对医疗保健产品的需求。将用户在其它相关领域的丰富信息迁移到医疗保健产品领域中，可以有效解决用户在医疗保健产品领域中的数据稀疏问题，提升推荐效果。

这种将用户信息从其它用户数据丰富的领域(也称为辅助域，例如食品、户外运动领域等)，迁移到用户数据稀疏的领域(也称为目标域，例如医疗保健设备领域)，来帮助目标域进行推荐的方法称为跨域推荐系统。尽管在其他领域中也存在一些跨域推荐模型，但是，一方面这些模型未考虑不同域中项目的差异性，或者未使用辅助域信息来充分表征消费者的特征，经常会导致知识的负迁移，进而影响目标域的推荐性能。另一方面，人们越来越注意自己的信息隐私问题，往往不允许将自己的数据在不进行隐私保护处理的情况下在各个平台共享，现有的跨域推荐模型直接将辅助域中的原始评分信息共享到目标域中，来改进目标域中的推荐性能，导致辅助域用户原始数据隐私泄露，无法保护辅助域中用户的原始数据隐私。

综上所述，现有技术存在的问题是：传统的单域推荐系统面临着用户评分数据稀疏问题；现有的跨域推荐系统一方面无法利用辅助域信息充分表征用户特征，另一方面也无法保护用户在辅助域的原始信息隐私。

发明内容

为了解决现有技术的不足，本公开提供了一种具有隐私保护功能的跨域医疗保健设备推荐方法及系统，为了充分表征用户特征，首先将用户特征总结为领域依赖特征和领域不依赖特征，依赖特征和不依赖特征实现了用户特征在概念层面上的完整划分。然后，基于Funk-SVD模型和正交非负矩阵三因子分解模型(ONMTF)从辅助域用户评分信息中，分别提取了用户的领域依赖特征和领域不依赖特征。最后，将用户在辅助域中的特征迁移到目标域中，融合目标域的信息进行推荐，解决了目标域数据稀疏问题，避免了负迁移，提升了推荐效果。此外，该方法在使用Funk-SVD模型和ONMTF模型分解辅助域评分矩阵的过程中，保留项目潜在因子向量，公开用户潜在因子向量(即领域依赖特征和领域不依赖特征)，可以使平台无法根据公开的用户潜在因子向量反推出原始的评分信息，能有效解决在辅助域数据迁移过程中用户的原始数据隐私泄露问题；

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种具有隐私保护功能的跨域医疗保健设备推荐方法。