CN113962766A - 一种用于简单混合型隐私保护场景的商品推荐方法及系统 - Google Patents

一种用于简单混合型隐私保护场景的商品推荐方法及系统 Download PDF

Info

Publication number
CN113962766A
CN113962766A CN202111186198.3A CN202111186198A CN113962766A CN 113962766 A CN113962766 A CN 113962766A CN 202111186198 A CN202111186198 A CN 202111186198A CN 113962766 A CN113962766 A CN 113962766A
Authority
CN
China
Prior art keywords
user
commodity
representation
party
gradient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111186198.3A
Other languages
English (en)
Inventor
李雪峰
梁亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baibao Shanghai Technology Co ltd
Original Assignee
Baibao Shanghai Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baibao Shanghai Technology Co ltd filed Critical Baibao Shanghai Technology Co ltd
Priority to CN202111186198.3A priority Critical patent/CN113962766A/zh
Publication of CN113962766A publication Critical patent/CN113962766A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用于简单混合型隐私保护场景的商品推荐方法及系统，涉及信息处理技术领域。商品推荐方法包括：在接收到目标用户的推荐请求后，获取所述目标用户对应的用户ID并将所述用户ID发送给辅助方；接收所述辅助方反馈的用户表示，并根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品，所述用户表示由所述辅助方根据利用所述用户ID获取的用户属性以及所述预设模型计算得到；根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户。本发明能够实现准确推荐的同时满足简单混合场景对隐私性要求。

Description

一种用于简单混合型隐私保护场景的商品推荐方法及系统
技术领域
本发明涉及信息处理技术领域，特别是涉及一种用于简单混合型隐私保护场景的商品推荐方法及系统。
背景技术
简单混合型隐私保护的推荐场景一般包括两个共同参与方，其中一方保存了用户和商品的交互信息以及商品属性，另一方保存了对应用户属性。在隐私保护场景中，为了提升隐私性，两个共同参与方各自拥有的商品属性和用户属性不会泄露给对方。
而现有的模型通常是参与方共享商品信息，仅仅保护各自的用户信息和用户商品交互信息，这样的模型不能满足简单混合场景对隐私性的要求。
因此，如何实现准确推荐的同时满足简单混合场景对隐私性要求，是本领域技术人员亟需解决的技术问题。
发明内容
本发明提供了一种用于简单混合型隐私保护场景的商品推荐方法及系统，能够实现准确推荐的同时满足简单混合场景对隐私性要求。
本发明提供了如下方案：
第一方面，提供了一种用于简单混合型隐私保护场景的商品推荐方法，所述商品推荐方法应用于商品推荐方，所述商品推荐方法包括：
在接收到目标用户的推荐请求后，获取所述目标用户对应的用户ID并将所述用户ID发送给辅助方；
接收所述辅助方反馈的用户表示，并根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品，所述用户表示由所述辅助方根据利用所述用户ID获取的用户属性以及所述预设模型计算得到；
根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户。
可选地，所述根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品包括：
根据预设算法计算所述用户表示和所述所有商品表示的距离，并根据所述距离得到所述候选商品。
可选地，所述根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户包括：
根据所述距离将所有所述候选商品排序，选择处于预设位置的所述候选商品为所述目标商品并发送给所述目标用户。
可选地，所述预设模型的构建流程包括：
基于用户和商品的交互信息生成训练样本集；
将所述训练样本集处理得到第一样本集和第二样本集，并将所述第二样本集发送给所述辅助方；
提取所述第一样本集中的商品对应的商品属性，并根据所述商品属性计算对应的商品表示；
接收所述辅助方反馈的用户表示，所述用户表示由所述辅助方提取所述第二样本集中的用户ID对应的用户属性并根据所述用户属性计算得到；
根据所述商品表示和所述用户表示计算得到辅助方表示梯度并将所述辅助方表示梯度发送给所述辅助方，所述辅助方根据所述辅助方表示梯度计算得到辅助方神经网络表示梯度并根据所述辅助方神经网络表示梯度更新所述预设模型的第一部分；
根据所述商品表示和所述用户表示计算得到推荐方神经网络表示梯度，并根据所述推荐方神经网络表示梯度更新所述预设模型的第二部分。
可选地，所述训练样本集包括多个由用户、所述用户点击或购买的商品、以及第一预设数量的所述用户没有点击和购买的商品组成的样本，所述将所述训练样本集处理得到第一样本集和第二样本集包括：
选择所述训练样本集中第二预设数量的样本生成所述第一样本集；
根据所述第一样本集中的所述用户生成所述第二样本集。
可选地，所述根据所述商品表示和所述用户表示计算得到辅助方表示梯度并将所述辅助方表示梯度发送给所述辅助方包括：
根据预设计算公式计算所述商品表示和所述用户表示得到初始的辅助方表示梯度；
对所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度。
可选地，所述对所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度包括：
根据所述初始的辅助方表示梯度确定目标噪声，将所述目标噪声叠加到所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度；或
在预存储的多个噪声强度的噪声中选择与所述初始的辅助方表示梯度相同的噪声，将所述噪声叠加到所述初始的辅助方表示梯度上得到所述辅助方表示梯度。
第二方面，还提供了一种用于简单混合型隐私保护场景的商品推荐系统，包括：
获取模块，用于在接收到目标用户的推荐请求后，获取所述目标用户对应的用户ID并将所述用户ID发送给辅助方；
计算模块，与所述获取模块连接，用于接收所述辅助方反馈的用户表示，并根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品，所述用户表示由所述辅助方根据利用所述用户ID获取的用户属性以及所述预设模型计算得到；
确定模块，与所述计算模块连接，用于根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户。
第三方面，还提供了一种计算机设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现所述的用于简单混合型隐私保护场景的商品推荐方法。
第四方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被执行时，实现所述的用于简单混合型隐私保护场景的商品推荐方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的用于简单混合型隐私保护场景的商品推荐方法，涉及两个参与方，分别是商品推荐方和辅助方。商品推荐方中存储用户和商品的交互信息，以及商品属性，辅助方中存储用户属性，为了提升数据隐私性，商品推荐方不将商品属性直接发送给辅助方，辅助方也不将用户属性直接发送给商品推荐方。而为了实现模型构建，需要具有完备的数据。因此，商品辅助方将用户属性转换成用户表示后发送给商品推荐方，商品推荐方将商品属性转换成商品表示并进一步根据商品表示得到辅助方表示梯度后再发送给辅助方。如此，商品推荐方得到了更新模型需要的用户表示的数据，辅助方得到了更新模型需要的商品表示有关的数据，也即，商品推荐方和辅助方均得到了各自更改模型所需的数据，又对各自的数据进行了隐私保护，满足简单混合场景对隐私性要求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的用于简单混合型隐私保护场景的商品推荐方法的流程框图；
图2是本发明另一个实施例提供的用于简单混合型隐私保护场景的商品推荐方法的流程框图；
图3是本发明一个实施例提供的用于简单混合型隐私保护场景的商品推荐系统的结构框图；
图4是本发明一个实施例提供的计算机设备的架构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
下面对本发明实施例提供的具体实现方案进行详细介绍。
本发明提供一种用于简单混合型隐私保护场景的商品推荐方法，涉及商品推荐方和辅助方，两者联合实现推荐。简单混合型也即将商品推荐方和辅助方的信息经过简单的混合处理后即可实现商品的推荐。在商品推荐之前，需要进行模型训练，经过模型训练后，商品推荐方中存储有所有商品属性对应的商品表示，辅助方中存储有所有用户属性对应的用户表示，两者涉及的用户一致，商品推荐方和辅助方的信息交互不涉及用户属性和商品属性，仅涉及商品表示和用户表示，从而既能保证完成商品推荐又能满足简单混合场景对隐私性要求。
实施例一
本实施例一提供了一种用于简单混合型隐私保护场景的商品推荐方法，所述商品推荐方法应用于商品推荐方，图1是本发明一个实施例提供的用于简单混合型隐私保护场景的商品推荐方法的流程框图。如图1所示，商品推荐方法一般性地包括如下步骤：
S10：在接收到目标用户的推荐请求后，获取所述目标用户对应的用户ID并将所述用户ID发送给辅助方；
商品推荐方中预存储用户及对应的用户ID，目标用户为商品推荐方中预存储的用户之一。在接收到目标用户发出的推荐请求后，商品推荐方根据预存储的用户及对应的用户ID获取到该目标用户对应的用户ID，并将该用户ID发送给辅助方。
S20：接收所述辅助方反馈的用户表示，并根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品，所述用户表示由所述辅助方根据利用所述用户ID获取的用户属性以及所述预设模型计算得到；
预设模型为预先训练好的模型，商品推荐方和辅助方共用。商品推荐方根据商品属性和预设模型获取商品表示，辅助方根据用户属性和预设模型获取用户表示。
S30：根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户。
本实施例提供的用于简单混合型隐私保护场景的商品推荐方法，涉及两个参与方，分别是商品推荐方和辅助方。推荐方中存储用户和商品的交互信息，以及商品属性，辅助方中存储用户属性，为了提升数据隐私性，商品推荐方不将商品属性直接发送给辅助方，辅助方也不将用户属性直接发送给商品推荐方。而为了实现模型构建需要具有完备的数据，因此辅助方将用户属性转换成用户表示后发送给商品推荐方，商品推荐方将商品属性转换成商品表示并进一步根据商品表示得到辅助方表示梯度后再发送给辅助方。如此，商品推荐方得到了更新模型需要的用户表示的数据，辅助方得到了更新模型需要的商品表示有关的数据，也即，商品推荐方和辅助方均得到了各自更改模型所需的数据，又对各自的数据进行了隐私保护，满足简单混合场景对隐私性要求。
图2是本发明另一个实施例提供的用于简单混合型隐私保护场景的商品推荐方法的流程框图。如图2所示，所述根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品包括：
S21：根据预设算法计算所述用户表示和所述所有商品表示的距离，并根据所述距离得到所述候选商品。
更为具体地，所述用户表示和所述所有商品表示为归一化数据，所述距离为余弦距离(Cosine距离)。
进一步地，步骤S30包括：
根据所述距离将所有所述候选商品排序，选择处于预设位置的所述候选商品为所述目标商品并发送给所述目标用户。
其中，选择处于预设位置的所述候选商品可以为选择排序在前的特定数量的所述候选商品，特定数量可以根据需要进行设置，例如为100个。商品推荐方得到目标商品后呈现给所述目标用户。
优选地，预设模型包括双塔模型(DSSM)。商品推荐方和辅助方基于PSI技术进行用户ID的安全求交。在上述内容中使用的预设模型可以按照以下流程进行构建，构建工作主要由商品推荐方完成：
基于用户和商品的交互信息生成训练样本集；
将所述训练样本集处理得到第一样本集和第二样本集，并将所述第二样本集发送给所述辅助方；
提取所述第一样本集中的商品对应的商品属性，并根据所述商品属性计算对应的商品表示；
接收所述辅助方反馈的用户表示，所述用户表示由所述辅助方提取所述第二样本集中的用户ID对应的用户属性并根据所述用户属性计算得到；
根据所述商品表示和所述用户表示计算得到辅助方表示梯度并将所述辅助方表示梯度发送给所述辅助方，所述辅助方根据所述辅助方表示梯度计算得到辅助方神经网络表示梯度并根据所述辅助方神经网络表示梯度更新所述预设模型的第一部分；
根据所述商品表示和所述用户表示计算得到推荐方神经网络表示梯度，并根据所述推荐方神经网络表示梯度更新所述预设模型的第二部分。
当然，可以理解的是，在进行预设模型构建以前，商品推荐方和辅助方先要进行用户对齐，得到共有用户的用户ID列表。
进一步地，在更新了预设模型后，商品推荐方计算收敛指标并将该收敛指标发送给辅助方，双方分别依据收敛指标判断预设模型是否收敛，若未收敛，则需要重复上述流程，直至预设模型收敛后完成模型的构建。
具体地，所述训练样本集包括多个由用户、所述用户点击或购买的商品、以及第一预设数量的所述用户没有点击和购买的商品组成的样本。第一预设数量可以根据实际模型构建的需要进行选择，优选地，第一预设数量为4个。
上述流程中，将所述训练样本集处理得到第一样本集和第二样本集包括：
选择所述训练样本集中第二预设数量的样本生成所述第一样本集；
根据所述第一样本集中的所述用户生成所述第二样本集。
在一个具体的构建场景中，对于每个用户和该用户点击的商品的笛卡尔积，然后随机挑选4个该用户未点击和购买的商品、该用户点击的商品以及该用户一起组成一个样本，若干样本组成训练样本集。从该训练样本集中选择第二预设数量的样本生成第一样本集，与训练样本集相比，第一样本集为小批次样本集。将第一样本集中有关于商品的数据去除，也即去除样本中用户点击或购买的商品、以及4个该用户没有点击和购买的商品生成第二样本集，该第二样本集也可以称为单边小批次样本集。
更为具体地，所述根据所述商品表示和所述用户表示计算得到辅助方表示梯度并将所述辅助方表示梯度发送给所述辅助方包括：
根据预设计算公式计算所述商品表示和所述用户表示得到初始的辅助方表示梯度；
对所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度。
其中，预设计算公式为：
Figure BDA0003299314950000081
Qj为样本中的用户，j为正整数，D+为该用户点击或购买的商品，ai为样本中所有商品对应的商品表示，a0为商品D+对应的商品表示，b为该用户对应的用户表示，γ为调节参数。
进一步地，所述对所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度包括：
根据所述初始的辅助方表示梯度确定目标噪声，将所述目标噪声叠加到所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度。具体地，商品推荐方计算与初始的辅助方表示梯度同样形状的噪声，也即目标噪声，并叠加到初始的辅助方表示梯度上，该噪声的噪声强度可以进行调节以平衡梯度安全性和计算精度。采用这种方式可以提升构建的模型的精度。
与上述方式并列地，所述对所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度也可以包括：
在预存储的多个噪声强度的噪声中选择与所述初始的辅助方表示梯度相同的噪声，将所述噪声叠加到所述初始的辅助方表示梯度上得到所述辅助方表示梯度。商品推荐方中预存储的多个噪声强度的噪声，在进行模型构建的初期，商品推荐方预先选择好大体与所述初始的辅助方表示梯度相同的噪声。采用这种方式可以加快模型构建的速度。
在上述模型构建完成后，商品推荐方保存了所有商品对应的商品表示，辅助方保存了所有用户对应的用户表示，供商品推荐时使用。
具体地，商品推荐方和辅助方之间通过通信连接实现数据传输。
实施例二
图3是本发明一个实施例提供的用于简单混合型隐私保护场景的商品推荐系统的结构框图。如图3所示，对应与上述用于简单混合型隐私保护场景的商品推荐方法，本实施例二提供了一种用于简单混合型隐私保护场景的商品推荐系统，其一般性地包括获取模块10、计算模块20和确定模块30。获取模块10用于在接收到目标用户的推荐请求后，获取所述目标用户对应的用户ID并将所述用户ID发送给辅助方。计算模块20与所述获取模块10连接，用于接收所述辅助方反馈的用户表示，并根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品，所述用户表示由所述辅助方根据利用所述用户ID获取的用户属性以及所述预设模型计算得到。确定模块30与所述计算模块20连接，用于根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户。
本发明提供的用于简单混合型隐私保护场景的商品推荐系统，涉及两个参与方，分别是推荐方和辅助方。推荐方中存储用户和商品的交互信息，以及商品属性，辅助方中存储用户属性，为了提升数据隐私性，推荐方不将商品属性直接发送给辅助方，辅助方也不将用户属性直接发送给推荐方。而为了实现模型构建，需要具有完备的数据。因此，辅助方将用户属性转换成用户表示后发送给推荐方，推荐方将商品属性转换成商品表示并进一步根据商品表示得到辅助方表示梯度后再发送给辅助方。如此，推荐方得到了更新模型需要的用户表示的数据，辅助方得到了更新模型需要的商品表示有关的数据，也即，推荐方和辅助方均得到了各自更改模型所需的数据，又对各自的数据进行了隐私保护，满足简单混合场景对隐私性要求。
关于实施例二中的未详述部分，可以参见前述实施例一中的记载，这里不再赘述。
实施例三
对应上述方法，本发明还提供了一种计算机设备，包括：
处理器和存储器，存储器上存储有可在处理器上运行的计算机程序，当计算机程序被处理器执行时，执行上述任意一个实施例提供的用于简单混合型隐私保护场景的商品推荐方法。
其中，图4示例性的展示出了计算机设备，具体可以包括处理器1510，视频显示适配器1511，磁盘驱动器1512，输入/输出接口1513，网络接口1514，以及存储器1520。上述处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514，与存储器1520之间可以通过通信总线1530进行通信连接。
其中，处理器1510可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本发明所提供的技术方案。
存储器1520可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1520可以存储用于控制电子设备运行的操作系统1521，用于控制电子设备的低级别操作的基本输入输出系统(BIOS)。另外，还可以存储网页浏览器1523，数据存储管理系统1524，以及设备标识信息处理系统1525等等。上述设备标识信息处理系统1525就可以是本发明实施例中具体实现前述各步骤操作的应用程序。总之，在通过软件或者固件来实现本发明所提供的技术方案时，相关的程序代码保存在存储器1520中，并由处理器1510来调用执行。
输入/输出接口1513用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口1514用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线包括一通路，在设备的各个组件(例如处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514，与存储器1520)之间传输信息。
另外，该电子设备还可以从虚拟资源对象领取条件信息数据库中获得具体领取条件的信息，以用于进行条件判断，等等。
需要说明的是，尽管上述设备仅示出了处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514，存储器1520，总线等，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本发明方案所必需的组件，而不必包含图中所示的全部组件。
实施例四
本发明还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被执行时，实现上述任意一个实施例提供的用于简单混合型隐私保护场景的商品推荐方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上对本发明所提供的技术方案，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种用于简单混合型隐私保护场景的商品推荐方法，所述商品推荐方法应用于商品推荐方，其特征在于，所述商品推荐方法包括：
在接收到目标用户的推荐请求后，获取所述目标用户对应的用户ID并将所述用户ID发送给辅助方；
接收所述辅助方反馈的用户表示，并根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品，所述用户表示由所述辅助方根据利用所述用户ID获取的用户属性以及所述预设模型计算得到；
根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户。
2.根据权利要求1所述的商品推荐方法，其特征在于，所述根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品包括：
根据预设算法计算所述用户表示和所述所有商品表示的距离，并根据所述距离得到所述候选商品。
3.根据权利要求2所述的商品推荐方法，其特征在于，所述根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户包括：
根据所述距离将所有所述候选商品排序，选择处于预设位置的所述候选商品为所述目标商品并发送给所述目标用户。
4.根据权利要求1-3任一项所述的商品推荐方法，其特征在于，所述预设模型的构建流程包括：
基于用户和商品的交互信息生成训练样本集；
将所述训练样本集处理得到第一样本集和第二样本集，并将所述第二样本集发送给所述辅助方；
提取所述第一样本集中的商品对应的商品属性，并根据所述商品属性计算对应的商品表示；
接收所述辅助方反馈的用户表示，所述用户表示由所述辅助方提取所述第二样本集中的用户ID对应的用户属性并根据所述用户属性计算得到；
根据所述商品表示和所述用户表示计算得到辅助方表示梯度并将所述辅助方表示梯度发送给所述辅助方，所述辅助方根据所述辅助方表示梯度计算得到辅助方神经网络表示梯度并根据所述辅助方神经网络表示梯度更新所述预设模型的第一部分；
根据所述商品表示和所述用户表示计算得到推荐方神经网络表示梯度，并根据所述推荐方神经网络表示梯度更新所述预设模型的第二部分。
5.根据权利要求4所述的商品推荐方法，其特征在于，所述训练样本集包括多个由用户、所述用户点击或购买的商品、以及第一预设数量的所述用户没有点击和购买的商品组成的样本，所述将所述训练样本集处理得到第一样本集和第二样本集包括：
选择所述训练样本集中第二预设数量的样本生成所述第一样本集；
根据所述第一样本集中的所述用户生成所述第二样本集。
6.根据权利要求4所述的商品推荐方法，其特征在于，所述根据所述商品表示和所述用户表示计算得到辅助方表示梯度并将所述辅助方表示梯度发送给所述辅助方包括：
根据预设计算公式计算所述商品表示和所述用户表示得到初始的辅助方表示梯度；
对所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度。
7.根据权利要求6所述的商品推荐方法，其特征在于，所述对所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度包括：
根据所述初始的辅助方表示梯度确定目标噪声，将所述目标噪声叠加到所述初始的辅助方表示梯度进行噪声混淆得到所述辅助方表示梯度；或
在预存储的多个噪声强度的噪声中选择与所述初始的辅助方表示梯度相同的噪声，将所述噪声叠加到所述初始的辅助方表示梯度上得到所述辅助方表示梯度。
8.一种用于简单混合型隐私保护场景的商品推荐系统，其特征在于，包括：
获取模块，用于在接收到目标用户的推荐请求后，获取所述目标用户对应的用户ID并将所述用户ID发送给辅助方；
计算模块，与所述获取模块连接，用于接收所述辅助方反馈的用户表示，并根据所述用户表示和通过预设模型计算得到的所有商品表示获取候选商品，所述用户表示由所述辅助方根据利用所述用户ID获取的用户属性以及所述预设模型计算得到；
确定模块，与所述计算模块连接，用于根据预设推荐规则从所述候选商品中确定出目标商品并发送给所述目标用户。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现权利要求1～7中任一项所述的用于简单混合型隐私保护场景的商品推荐方法。
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于，所述计算机程序被执行时，实现权利要求1～7中任一项所述的用于简单混合型隐私保护场景的商品推荐方法。
CN202111186198.3A 2021-10-12 2021-10-12 一种用于简单混合型隐私保护场景的商品推荐方法及系统 Pending CN113962766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111186198.3A CN113962766A (zh) 2021-10-12 2021-10-12 一种用于简单混合型隐私保护场景的商品推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111186198.3A CN113962766A (zh) 2021-10-12 2021-10-12 一种用于简单混合型隐私保护场景的商品推荐方法及系统

Publications (1)

Publication Number Publication Date
CN113962766A true CN113962766A (zh) 2022-01-21

Family

ID=79463970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111186198.3A Pending CN113962766A (zh) 2021-10-12 2021-10-12 一种用于简单混合型隐私保护场景的商品推荐方法及系统

Country Status (1)

Country Link
CN (1) CN113962766A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114936892A (zh) * 2022-04-24 2022-08-23 福州大学 基于联邦迁移学习标签传播的线下商品推荐系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114936892A (zh) * 2022-04-24 2022-08-23 福州大学 基于联邦迁移学习标签传播的线下商品推荐系统及方法

Similar Documents

Publication Publication Date Title
TWI718422B (zh) 對模型預測值進行融合的方法、裝置和設備
US20230237141A1 (en) Security verification method and relevant device
US8948520B2 (en) Image categorization based on comparisons between images
EP3910909B1 (en) Method and device for displaying information
CN113268336B (zh) 一种服务的获取方法、装置、设备以及可读介质
CN105380591A (zh) 视力检测装置、系统及方法
CN107426275A (zh) 一种资源传输方法及装置
CN111090666A (zh) 一种数据处理方法、装置、系统及计算机可读存储介质
CN113962766A (zh) 一种用于简单混合型隐私保护场景的商品推荐方法及系统
US10623578B2 (en) Computer system, method for providing API, and program
WO2021135322A1 (zh) 一种自动出题方法、装置及系统
CN106790171A (zh) 会话控制的方法、装置和计算机可读存储介质
CN109345249A (zh) 一种支付失败处理方法及装置
CN109345252A (zh) 一种线上交易控制方法、装置、及计算机设备
EP4134885A2 (en) Method and apparatus of recommending data, electronic device, and medium
CN110278241A (zh) 一种注册请求处理方法及装置
CN109840072A (zh) 信息处理方法和装置
US20230074113A1 (en) Dialogue user emotion information providing device
CN107483595A (zh) 信息推送方法和装置
CN107526827A (zh) 用于问答展示的方法、设备和计算机可读存储介质
CN113239889A (zh) 图像识别方法、装置、设备、存储介质以及计算机程序产品
CN111680628A (zh) 文字框融合方法、装置、设备以及存储介质
CN113128809A (zh) 一种机房评估方法、装置及电子设备
CN112884538A (zh) 物品推荐的方法和装置
CN108595640A (zh) 基于计算机的图片展示方法及图片展示装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination