[发明专利]保护用户隐私的推荐方法、系统、电子装置和存储介质在审
申请号: | 202211080993.9 | 申请日: | 2022-09-05 |
公开(公告)号: | CN115470515A | 公开(公告)日: | 2022-12-13 |
发明(设计)人: | 冯大权;冯晨远;陈钰成 | 申请(专利权)人: | 深圳大学 |
主分类号: | G06F21/62 | 分类号: | G06F21/62;G06N20/00 |
代理公司: | 深圳尚业知识产权代理事务所(普通合伙) 44503 | 代理人: | 杨勇 |
地址: | 518000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 保护 用户 隐私 推荐 方法 系统 电子 装置 存储 介质 | ||
1.一种保护用户隐私的推荐方法,其特征在于,包括:
在用户端计算用户潜在因子矩阵的梯度和项目潜在因子矩阵的梯度;
根据用户潜在因子矩阵的梯度更新用户端的用户潜在因子矩阵;
将更新的用户潜在因子矩阵和项目潜在因子矩阵的梯度从用户端上传至边缘节点,并在边缘节点更新项目潜在因子矩阵;
在联邦协同过滤迭代训练局部模型至预定次数或收敛后,从边缘节点上传更新后的项目潜在因子矩阵至基站,并更新基站中的全局项目潜在因子矩阵;
将更新的全局项目潜在因子矩阵发送至边缘节点,并在边缘节点中使用更新的全局项目潜在因子矩阵更新项目潜在因子矩阵;
在多次往复迭代训练收敛后,在边缘节点中使用边缘节点自身的项目潜在因子矩阵和从用户端处接收的用户潜在因子矩阵为用户推荐项目内容。
2.根据权利要求1所述的保护用户隐私的推荐方法,其特征在于,
所述方法还包括:
预先将原始评级矩阵分解为用户潜在因子矩阵和项目潜在因子矩阵,用户潜在因子矩阵包含用户信息,项目潜在因子矩阵包含项目信息;
在用户端保存用户各自的用户潜在因子矩阵,在边缘节点保存若干对应用户端的项目潜在因子矩阵。
3.根据权利要求1所述的保护用户隐私的推荐方法,其特征在于,
在用户端计算用户潜在因子矩阵的梯度和项目潜在因子矩阵的梯度包括:
在用户端对应的边缘节点中下载最新的项目潜在因子矩阵;
根据用户端拥有的原始评分数据、用户潜在因子矩阵、项目潜在因子矩阵计算用户潜在因子矩阵的梯度和项目潜在因子矩阵的梯度。
4.根据权利要求1所述的保护用户隐私的推荐方法,其特征在于,
根据用户潜在因子矩阵的梯度和项目潜在因子矩阵的梯度更新用户端的用户潜在因子矩阵和边缘节点的项目潜在因子矩阵包括:
根据用户潜在因子矩阵的梯度更新用户端的用户潜在因子矩阵,并将更新的用户潜在因子矩阵和项目潜在因子矩阵的梯度上传至边缘节点;
在边缘节点中根据对应用户端上传的项目潜在因子矩阵的梯度更新边缘节点自身的项目潜在因子矩阵。
5.根据权利要求1所述的保护用户隐私的推荐方法,其特征在于,
所述方法还包括:
在所述将更新的用户潜在因子矩阵上传至边缘节点时,对用户潜在因子加入拉普拉斯噪声进行干扰,以将用户潜在因子模糊化处理。
6.根据权利要求1所述的保护用户隐私的推荐方法,其特征在于,
所述方法还包括:
在所述项目潜在因子矩阵的梯度上传至边缘节点时,使用草图方法将项目潜在因子矩阵的梯度映射为草图;
所述更新边缘节点自身的项目潜在因子矩阵包括:
在边缘节点接收对应的所有用户上传的草图后进行草图聚合;
从聚合后的草图中恢复项目潜在因子矩阵的梯度的估计值;
在所述更新边缘节点自身的项目潜在因子矩阵时,使用所述潜在因子矩阵的梯度的估计值进行更新。
7.根据权利要求6所述的保护用户隐私的推荐方法,其特征在于,
更新基站中的全局项目潜在因子矩阵包括:
聚合所有边缘节点上传的项目潜在因子矩阵,以更新基站中的全局项目潜在因子矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211080993.9/1.html,转载请声明来源钻瓜专利网。