[发明专利]电力产品推荐方法、装置、计算机设备、存储介质

权利要求书

1.一种电力产品推荐方法，其特征在于，所述方法包括：

通过本地节点和联邦学习节点的信息交互，对所述本地节点的电力产品推荐模型进行更新，得到更新后的电力产品推荐模型；

通过所述本地节点获取目标用户的目标用户信息，所述目标用户信息包括至少一项基础标签和至少一项能力标签，所述基础标签用于表征所述目标用户的属性特征，所述能力标签用于表征所述目标用户的行为特征；

根据所述更新后的电力产品推荐模型的类型，从所述目标用户信息中匹配至少一项基础标签或至少一项能力标签，作为目标用户标签；

采用所述更新后的电力产品推荐模型处理所述目标用户标签，得到所述目标用户的电力产品推荐结果。

2.根据权利要求1所述的方法，其特征在于，所述通过本地节点和联邦学习节点的信息交互，对所述本地节点的电力产品推荐模型进行更新，得到更新后的电力产品推荐模型，包括：

获取所述本地节点的第一梯度信息，以及通过所述联邦学习节点获取其他节点的第二梯度信息；

根据所述第二梯度信息更新所述第一梯度信息，得到第三梯度信息；

根据所述第三梯度信息更新所述本地节点的电力产品推荐模型的模型权重，得到所述更新后的电力产品推荐模型。

3.根据权利要求2所述的方法，其特征在于，所述获取本地节点的第一梯度信息，包括：

通过所述本地节点从所述联邦学习节点下载机器学习模型；

根据所述机器学习模型的类型，通过所述本地节点获取训练数据；

采用所述训练数据对所述机器学习模型进行训练，得到所述电力产品推荐模型；

根据所述本地节点的电力产品推荐模型，确定所述第一梯度信息。

4.根据权利要求3所述的方法，其特征在于，所述根据所述机器学习模型的类型，通过所述本地节点获取训练数据，包括：

获取所述本地节点的历史订购信息，以及获取所述本地节点对应的运营商大数据，根据所述历史订购信息和所述运营商大数据得到所述训练数据；所述训练数据包括多个历史用户信息和每个历史用户信息对应的历史订购电力产品；

分别确定每个历史用户信息的基础标签和能力标签，所述基础标签用于表征一个历史用户信息的属性特征，所述能力标签用于表征一个历史用户信息的行为特征；

根据所述机器学习模型的类型，将每个历史用户信息的基础标签和能力标签中的至少一项，和每个历史用户信息对应的历史订购电力产品，作为所述训练数据。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

通过所述本地节点将所述第一梯度信息加密并传输至所述其他节点；所述第一梯度信息用于供所述其他节点对所述第二梯度信息进行更新。

6.根据权利要求2所述的方法，其特征在于，所述采用所述更新后的电力产品推荐模型处理所述目标用户标签，得到所述目标用户的电力产品推荐结果，包括：

所述更新后的电力产品推荐模型采用两步聚类算法，处理所述目标用户标签得到至少一个用户子特征，获取各用户子特征之间的特征距离，并基于各用户子特征之间的特征距离，对特征距离满足预设要求的用户子特征进行合并，得到至少一个用户特征；

基于所述用户特征，获取所述目标用户的电力产品推荐结果。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述本地节点获取所述目标用户信息对应的已订购电力产品；

将所述电力产品推荐结果和所述已订购电力产品进行比对去重，得到所述目标用户信息对应的推荐电力产品。