[發明專利]一種推薦模型構建方法和裝置

有效

• 申請號: 201911204928.0
• 申請日: 2019-11-29
• 公開（公告）號: CN110990698B
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 鄧練兵;李大銘
• 申請（專利權）人: 珠海大橫琴科技發展有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種推薦模型構建方法，其特征在于，應用于第一服務器，所述方法包括：

接收多個第二服務器分別發送的第一樣本數據集，所述第一樣本數據集為第二服務器根據預設加密算法對第二樣本數據集進行加密處理后得到的；

根據預設解密算法對所述第一樣本數據集進行解密處理，得到多個所述第二樣本數據集；

根據預設規則，獲取多個所述第二樣本數據集中的至少一個同一用戶的多個樣本數據；

對所述每個同一用戶的多個樣本數據進行合并，得到目標樣本數據集；

根據所述目標樣本數據集構建推薦模型；

其中，所述第二服務器之間無法進行數據共享；

其中，所述多個所述第二樣本數據集根據統一標準生成；

其中，所述根據所述目標樣本數據集構建推薦模型，包括：

對所述目標樣本數據集進行聚類，得到第一聚類結果；

對所述第一聚類結果中的每個類進行關聯分析，得到關聯規則，包括：將所述第一聚類結果中的兩個類的特征進行組合得到組合特征因子，根據所述組合特征因子與所述兩個類的特征得到所述關聯規則；

根據所述第一聚類結果和所述關聯規則構建所述推薦模型。

2.根據權利要求1所述的方法，其特征在于，還包括：

根據所述第一聚類結果中的每個類，采用協同過濾算法，得到多個第一推薦結果；

所述根據所述第一聚類結果和所述關聯規則構建所述推薦模型，包括：

根據所述第一聚類結果、所述關聯規則和所述多個第一推薦結果構建所述推薦模型。

3.根據權利要求1所述的方法，其特征在于，所述對所述目標樣本數據集進行聚類，得到第一聚類結果，包括：

采用第一聚類算法對所述目標樣本數據進行聚類，得到第二聚類結果；

采用第二聚類算法對所述第二聚類結果進行聚類，得到所述第一聚類結果。

4.根據權利要求1所述的方法，其特征在于，在所述根據所述第一聚類結果構建推薦模型之后，還包括：

接收所述第二服務器發送的第一用戶信息；

根據所述第一用戶信息，通過所述推薦模型得到匹配所述第一用戶信息的第二推薦結果；

向所述第二服務器發送所述第二推薦結果。

5.根據權利要求1所述的方法，其特征在于，在所述根據所述第一聚類結果構建推薦模型之后，還包括：

向所述第二服務器發送所述推薦模型，以使所述第二服務器根據第二用戶信息，通過所述推薦模型獲取匹配所述第二用戶信息的第三推薦結果。

6.一種推薦模型構建裝置，其特征在于，設置于第一服務器，所述裝置包括：

接收模塊，用于接收多個第二服務器分別發送的第一樣本數據集，所述第一樣本數據集為第二服務器根據預設加密算法對第二樣本數據集進行加密處理后得到的；

解密模塊，用于根據預設解密算法對所述第一樣本數據集進行解密處理，得到多個所述第二樣本數據集；

獲取模塊，用于獲取多個所述第二樣本數據集中的至少一個同一用戶的多個樣本數據；

合并模塊，用于對所述每個同一用戶的多個樣本數據進行合并，得到目標樣本數據集；

構建模塊，用于根據所述目標樣本數據集構建推薦模型；

其中，所述第二服務器之間無法進行數據共享；

其中，所述多個所述第二樣本數據集根據統一標準生成；

其中，所述構建模塊包括：

聚類單元，用于對所述目標樣本數據集進行聚類，得到第一聚類結果；

第一分析單元，用于對所述第一聚類結果中的每個類進行關聯分析，得到關聯規則，包括：將所述第一聚類結果中的兩個類的特征進行組合得到組合特征因子，根據所述組合特征因子與所述兩個類的特征得到所述關聯規則；

構建單元，用于根據所述第一聚類結果和所述關聯規則構建所述推薦模型。

7.根據權利要求6所述的裝置，其特征在于，所述構建模塊還包括：

第二分析單元，用于根據所述第一聚類結果中的每個類，采用協同過濾算法，得到多個第一推薦結果；

所述構建單元具體用于根據所述第一聚類結果、所述關聯規則和所述多個第一推薦結果構建所述推薦模型。