[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

说明书

本发明公开了一种保护用户隐私的推荐方法、系统、电子装置和存储介质，方法包括：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，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，从边缘节点上传项目潜在因子矩阵至基站，更新基站中的全局项目潜在因子矩阵；将全局项目潜在因子矩阵发送至边缘节点，在边缘节点中使用全局项目潜在因子矩阵更新项目潜在因子矩阵；训练收敛后，在边缘节点中使项目潜在因子矩阵和接收的用户潜在因子矩阵为用户推荐项目内容。

技术领域

本发明涉及联邦学习技术领域，尤其涉及一种保护用户隐私的推荐方法、系统、电子装置和存储介质。

背景技术

推荐系统对于预测用户兴趣发挥着重要作用，它被广泛应用于人们的日常生活和娱乐，为用户提供了极大的便利。通过对大量用户数据的处理，推荐系统可以有效地从用户数据中提取特征和表示，向用户推荐个性化项目。然而，推荐系统在给我们带来便利的同时，也可能导致用户隐私的泄露并引发安全问题。目前许多针对推荐系统的隐私保护方法仍然依赖于集中式的框架，用户数据仍然需要被收集并存储于中央服务器。同时随着人们对个人隐私保护意识的不断提高和隐私保护法律法规的不断完善，收集和利用用户数据的成本和难度不断提高。因此亟需一种能够保护用户数据隐私的分布式推荐方法。

发明内容

本发明的主要目的在于提供一种保护用户隐私的推荐方法、系统、电子装置和存储介质，能够提升推荐系统的用户隐私保护。

为实现上述目的，本发明第一方面提供一种保护用户隐私的推荐方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。