[发明专利]用于生成个性化推荐的客户端、服务器和客户端-服务器系统

说明书

一种客户端，其用于为所述客户端(i)的用户生成个性化项目推荐，所述客户端使用一组全局项目(j₁，…，j_M)和至少一个模型(A1，…，AK)连接到服务器。所述客户端(i)用于使用从所述服务器下载的至少一个模型(A1，…，AK)，并通过所述下载的模型(A1，…，AK)中的至少一个模型和存储在所述客户端(i)上的本地客户端数据集(u_i)生成推荐集(R_ij)，所述推荐集(R_ij)包括所述项目(j₁，…，j_M)中的至少一个(j_p)。

技术领域

本发明涉及一种改进的允许生成个性化推荐的客户端、服务器和客户端-服务器系统。

背景技术

客户端-服务器系统是这样一种结构：所述系统的任务在服务提供方(即服务器)和服务请求方(即客户端)之间划分。所述服务器可以运行一个或多个与所述客户端共享资源的程序。另一方面，所述客户端不共享其任何资源，而是请求服务器的内容或服务功能。所述客户端即手机或平板电脑等用户设备，是此类客户端-服务器系统中使用的机器学习过程的重要组成部分，因为每个客户端都是数据源，所述数据用于构建所述机器学习过程中使用的模型以及生成所述模型的结果。

例如，所述结果可以是一个或几个特定项目的推荐，这些项目取自较大的一组项目，其中通过一个或几个模型预测所述客户端的用户感兴趣的特定项目。例如，项目是可用于观看的视频、可用于下载的应用或可用于购买的一件衣服等物品。所述客户端和所述项目可以收集到一个所谓的客户端-项目矩阵中。

所述机器学习过程包括创建复杂的模型和算法，这些模型和算法可用于预测，例如利用在历史数据和交易数据中发现的模式。存在几种预测技术，一个共同特征是将预测分数(例如评级)应用于一组较大元素中的单独元素(例如，视频片段或衣服)。所述预测指示用户观看视频、下载应用程序或购买衣服的概率，并且随后可用于向用户生成推荐。

实现高效的机器学习过程很难，因为很难找到模式，而且时常没有足够的训练数据；因此，机器学习过程通常无法提供。因此，为所述机器学习过程提供尽可能多的数据非常重要。对于客户端-服务器系统，这将转换为能够访问尽可能多的客户端及其数据的服务器。每个客户端是手机或平板电脑等用户设备，它不仅是构建机器学习过程中使用的模型所使用的数据源，也是提供所述模型结果的媒介，例如向所述客户端的用户推荐分数最高的视频片段或衣服。

此类模型构建的现有技术方法包括将用户数据发送到中央服务器，其中使用不同的算法来处理数据、构建模型并以推荐的形式生成结果。所述推荐将是面向个人的，因此数据越个性化，所述推荐越好。

手机和平板电脑等客户端包含不同类型的个人用户数据，例如，客户端位置(可被视为非常敏感的个人数据)和下载的应用(可被视为不特别敏感的个人数据)。无论敏感度级别如何，所述数据仍被视为个人用户数据。

诸如2018年在欧盟国家实施的通用数据保护条例(General Data ProtectionRegulation，简称GDPR)以及对公司如何收集、存储和使用用户数据的全面审查等法规，导致生成个性化推荐更加困难，当需要用户明确同意选择加入才能收集用户的数据并存储和处理该数据时甚至不可能生成个性化推荐。调查显示加入率低至20％，尝试生成这样的个性化推荐将不再有用。

此外，每天为大量客户端收集千兆字节的用户数据以及安全存储和使用这些数据，都需要昂贵的基础设施和管理方案。

向客户端的用户提供个性化推荐等结果是吸引用户使用服务的一个重要手段，例如，因为用户已经观看了视频片段，从而帮助他们查找他们喜欢观看的视频片段，同时过滤他们不感兴趣的内容。

发明内容

本发明的目的是提供一种改进的客户端、服务器和客户端-服务器系统。