[發明專利]縱向聯邦推薦召回方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202010110290.0
• 申請日: 2020-02-20
• 公開（公告）號: CN111339412A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 劉聰;鄭文琛;裴勇;譚奔;周洋磊
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王韜

1.一種縱向聯邦推薦召回方法，其特征在于，所述縱向聯邦推薦召回方法應用于第一設備，所述縱向聯邦推薦召回方法包括：

當接收到預測請求時，提取所述預測請求對應待預測用戶數據，并將所述待預測用戶數據輸入至推薦物品預測模型中，獲得用戶特征表示集和物品特征表示集，其中，所述推薦物品預測模型為基于用戶行為數據矩陣通過執行預設縱向聯邦流程，對預設待訓練預測模型進行迭代訓練得到的；

基于所述用戶特征表示和所述物品特征表示，生成所述待預測用戶數據對應的物品召回集。

2.如權利要求1所述縱向聯邦推薦召回方法，其特征在于，所述當接收到預測請求時，提取所述預測請求對應待預測用戶數據，并將所述待預測用戶數據輸入至推薦物品預測模型中步驟之前包括：

獲取用戶行為數據矩陣，并基于所述用戶行為數據矩陣，通過執行預設縱向聯邦流程，對預設待訓練預測模型進行迭代訓練，得到所述推薦物品預測模型。

3.如權利要求2所述縱向聯邦推薦召回方法，其特征在于，所述獲取用戶行為數據矩陣，并基于所述用戶行為數據矩陣，通過執行預設縱向聯邦流程，對預設待訓練預測模型進行迭代訓練，得到所述推薦物品預測模型的步驟包括：

基于所述用戶行為數據矩陣，對所述預設待訓練預測模型進行迭代訓練，以訓練更新所述預設待訓練預測模型的模型變量，其中，所述模型變量包括初始用戶特征表示變量和初始物品特征表示變量；

判斷迭代訓練的所述待預測模型是否達到預設替換更新條件，若所述待訓練預測模型達到預設替換更新條件，則通過執行所述預設縱向聯邦流程，對訓練更新的所述初始用戶特征表示變量進行替換更新，獲得替換更新的所述預設待訓練預測模型；

持續對替換更新的所述預設待訓練預測模型進行迭代訓練和替換更新，直至所述預設待訓練模型滿足預設訓練完成條件，獲得所述推薦物品預測模型。

4.如權利要求3所述縱向聯邦推薦召回方法，其特征在于，所述通過執行所述預設縱向聯邦流程，對訓練更新的所述初始用戶特征表示變量進行替換更新，獲得替換更新的所述預設待訓練預測模型的步驟包括：

將訓練更新的所述初始用戶特征表示變量加密發送至與所述第一設備關聯的第二設備，以供所述第二設備對多個其他所述第一設備發送的初始用戶特征表示變量進行聚合處理，獲得聚合用戶特征表示變量，并將所述聚合用戶特征表示變量反饋至各所述第一設備；

接收所述第二設備反饋的所述聚合用戶特征表示變量，并將訓練更新的所述初始用戶特征表示變量替換更新為所述聚合用戶特征表示變量，獲得替換更新的所述預設待訓練預測模型。

5.如權利要求1所述縱向聯邦推薦召回方法，其特征在于，所述待預測用戶數據包括待推薦物品候選集，所述用戶特征表示集包括一個或者多個用戶特征表示，所述物品特征表示集包括一個或者多個物品特征表示，

所述基于所述用戶特征表示和所述物品特征表示，生成所述待預測用戶數據對應的物品召回集的步驟包括：

計算各所述用戶特征表示和各所述物品特征表示的內積，獲得所述待預測用戶對所述待推薦物品候選集中各物品的點擊概率；

基于所述點擊概率，對所述待推薦物品集中各所述物品進行排序，獲得待推薦物品列表；

在所述待推薦物品列表中選取所述物品召回集。

6.如權利要求1所述縱向聯邦推薦召回方法，其特征在于，所述待預測用戶數據包括待預測用戶ID和待推薦物品候選集，

所述將所述待預測用戶數據輸入所述推薦物品預測模型，獲得用戶特征表示集和物品特征表示集的步驟包括：

分別將所述待預測用戶ID和所述待推薦物品候選集輸入所述推薦物品預測模型，以在預設本地數據庫中提取所述待預測用戶ID對應的所述用戶特征表示集和所述待推薦物品候選集對應的物品特征表示集。