[发明专利]基于联邦学习的推荐模型训练方法、终端及存储介质在审
| 申请号： | 201910614034.2 | 申请日： | 2019-07-09 |
| 公开（公告）号： | CN110297848A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 黄安埠 | 申请（专利权）人： | 深圳前海微众银行股份有限公司 |
| 主分类号： | G06F16/2457 | 分类号： | G06F16/2457 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 胡海国 |
| 地址： | 518000 广东省深圳市前海深港合作区前*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于联邦学习的推荐模型训练方法、终端及存储介质，所述方法包括：获取客户端应用在预设多种类型应用项目中记录的用户历史行为数据集；基于各组用户历史行为数据集提取各客户端应用的单一特征用户向量；并从目标应用的用户历史行为数据集中提取项目特征向量集和项目评分集；将各单一特征用户向量、项目特征向量集和项目评分集组合得到本地训练样本集；基于本地训练样本集参与联邦学习，得到目标类型应用项目的推荐模型。本发明实现了在联邦框架下进行模型训练以保护用户隐私数据的同时，基于多场景的数据进行推荐模型的训练，使得训练得到的推荐模型能够更准确地定位用户的偏好特征，从而提高了推荐模型的推荐效果。 | ||
| 搜索关键词： | 用户历史行为数据 模型训练 客户端应用 训练样本集 存储介质 单一特征 项目特征 应用项目 向量集 向量 终端 用户隐私数据 定位用户 目标类型 目标应用 偏好特征 预设 学习 场景 记录 | ||
【主权项】：
1.一种基于联邦学习的推荐模型训练方法，其特征在于，所述方法应用于客户端，所述方法包括以下步骤：获取客户端应用在预设多种类型应用项目中记录的用户历史行为数据集；基于各组所述用户历史行为数据集，分别提取各所述客户端应用对应的单一特征用户向量；在各所述客户端应用中确定目标应用和所述目标应用的目标类型应用项目，并从所述目标应用的所述用户历史行为数据集中，提取所述目标类型应用项目的项目特征向量集和项目评分集；将各所述单一特征用户向量、所述项目特征向量集和所述项目评分集组合得到本地训练样本集；基于所述本地训练样本集参与联邦学习，得到所述目标类型应用项目的推荐模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司，未经深圳前海微众银行股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910614034.2/，转载请声明来源钻瓜专利网。
