[發(fā)明專利]縱向聯(lián)邦推薦召回方法、裝置、設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010110290.0
• 申請日: 2020-02-20
• 公開（公告）號: CN111339412A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 劉聰;鄭文琛;裴勇;譚奔;周洋磊
• 申請（專利權(quán)）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(jì)恒程知識產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 王韜

本申請公開了一種縱向聯(lián)邦推薦召回方法、裝置、設(shè)備和可讀存儲介質(zhì)，所述縱向聯(lián)邦推薦召回方法應(yīng)用于第一設(shè)備，所述縱向聯(lián)邦推薦召回方法包括：獲取用戶行為數(shù)據(jù)矩陣，并基于所述用戶行為數(shù)據(jù)矩陣，通過執(zhí)行預(yù)設(shè)縱向聯(lián)邦流程，對預(yù)設(shè)待訓(xùn)練預(yù)測模型進(jìn)行迭代訓(xùn)練，獲得推薦物品預(yù)測模型；當(dāng)接收到預(yù)測請求時，提取所述預(yù)測請求對應(yīng)待預(yù)測用戶數(shù)據(jù)，并將所述待預(yù)測用戶數(shù)據(jù)輸入至推薦物品預(yù)測模型中，獲得用戶特征表示集和物品特征表示集；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(yù)測用戶數(shù)據(jù)對應(yīng)的物品召回集。本申請解決現(xiàn)有技術(shù)中存在推薦系統(tǒng)難以準(zhǔn)確推薦物品給用戶，致使推薦系統(tǒng)推薦效果差的技術(shù)問題。

技術(shù)領(lǐng)域

本申請涉及金融科技(Fintech)的人工智能技術(shù)領(lǐng)域，尤其涉及一種縱向聯(lián)邦推薦召回方法、裝置、設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

隨著金融科技，尤其是互聯(lián)網(wǎng)科技金融的不斷發(fā)展，越來越多的技術(shù)(如分布式、區(qū)塊鏈Blockchain、人工智能等)應(yīng)用在金融領(lǐng)域，但金融業(yè)也對技術(shù)提出了更高的要求，如對金融業(yè)對應(yīng)待辦事項(xiàng)的分發(fā)也有更高的要求。

也即，隨著計(jì)算機(jī)軟件和人工智能的不斷發(fā)展，推薦系統(tǒng)在工業(yè)界被廣泛應(yīng)用，并取得了巨大的成功，然而，目前，推薦系統(tǒng)的良好效果通常是建立在海量的用戶數(shù)據(jù)的基礎(chǔ)之上的，而對于大部分的公司而言，通常只具有少量的用戶數(shù)據(jù)，且由于保護(hù)用戶隱私的要求等原因，各公司之間不能共享各自的用戶數(shù)據(jù)以進(jìn)行聯(lián)合建模，進(jìn)而導(dǎo)致各公司只能基于少量的用戶數(shù)據(jù)構(gòu)建推薦系統(tǒng)，進(jìn)而導(dǎo)致推薦系統(tǒng)向用戶推薦的物品并沒有達(dá)到用戶的期望，也即，現(xiàn)有技術(shù)中存在推薦系統(tǒng)難以準(zhǔn)確推薦物品給用戶，致使推薦效果差的技術(shù)問題。

發(fā)明內(nèi)容

本申請的主要目的在于提供一種縱向聯(lián)邦推薦召回方法、裝置、設(shè)備和可讀存儲介質(zhì)，旨在解決現(xiàn)有技術(shù)中存在推薦系統(tǒng)難以準(zhǔn)確推薦物品給用戶，致使推薦系統(tǒng)推薦效果差的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本申請?zhí)峁┮环N縱向聯(lián)邦推薦召回方法，所述縱向聯(lián)邦推薦召回方法應(yīng)用于第一設(shè)備或者對應(yīng)縱向聯(lián)邦推薦召回設(shè)備，所述縱向聯(lián)邦推薦召回方法包括：

當(dāng)接收到預(yù)測請求時，提取所述預(yù)測請求對應(yīng)待預(yù)測用戶數(shù)據(jù)，并將所述待預(yù)測用戶數(shù)據(jù)輸入至推薦物品預(yù)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(yù)測模型為基于用戶行為數(shù)據(jù)矩陣通過執(zhí)行預(yù)設(shè)縱向聯(lián)邦流程，對預(yù)設(shè)待訓(xùn)練預(yù)測模型進(jìn)行迭代訓(xùn)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(yù)測用戶數(shù)據(jù)對應(yīng)的物品召回集。

可選地，所述當(dāng)接收到預(yù)測請求時，提取所述預(yù)測請求對應(yīng)待預(yù)測用戶數(shù)據(jù)，并將所述待預(yù)測用戶數(shù)據(jù)輸入至推薦物品預(yù)測模型中步驟之前包括：

獲取用戶行為數(shù)據(jù)矩陣，并基于所述用戶行為數(shù)據(jù)矩陣，通過執(zhí)行預(yù)設(shè)縱向聯(lián)邦流程，對預(yù)設(shè)待訓(xùn)練預(yù)測模型進(jìn)行迭代訓(xùn)練，得到所述推薦物品預(yù)測模型。

可選地，所述獲取用戶行為數(shù)據(jù)矩陣，并基于所述用戶行為數(shù)據(jù)矩陣，通過執(zhí)行預(yù)設(shè)縱向聯(lián)邦流程，對預(yù)設(shè)待訓(xùn)練預(yù)測模型進(jìn)行迭代訓(xùn)練，得到所述推薦物品預(yù)測模型的步驟包括：

基于所述用戶行為數(shù)據(jù)矩陣，對所述預(yù)設(shè)待訓(xùn)練預(yù)測模型進(jìn)行迭代訓(xùn)練，以訓(xùn)練更新所述預(yù)設(shè)待訓(xùn)練預(yù)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(xùn)練的所述待預(yù)測模型是否達(dá)到預(yù)設(shè)替換更新條件，若所述待訓(xùn)練預(yù)測模型達(dá)到預(yù)設(shè)替換更新條件，則通過執(zhí)行所述預(yù)設(shè)縱向聯(lián)邦流程，對訓(xùn)練更新的所述初始用戶特征表示變量進(jìn)行替換更新，獲得替換更新的所述預(yù)設(shè)待訓(xùn)練預(yù)測模型；

持續(xù)對替換更新的所述預(yù)設(shè)待訓(xùn)練預(yù)測模型進(jìn)行迭代訓(xùn)練和替換更新，直至所述預(yù)設(shè)待訓(xùn)練模型滿足預(yù)設(shè)訓(xùn)練完成條件，獲得所述推薦物品預(yù)測模型。