基于梯度混洗的信息推荐方法及相关设备

技术特征：
1.一种基于梯度混洗的信息推荐方法，其特征在于，所述方法包括：获取目标对象的历史评分项目的参数，其中，所述历史评分项目为所述目标对象已使用并评分的项目；获取多个待推荐项目，根据所述历史评分项目的参数、多个所述待推荐项目和已训练的信息推荐模型获取各所述待推荐项目对应的推荐分数，其中，所述已训练的信息推荐模型在训练过程中各个训练客户端基于预设的梯度混洗方式对训练梯度参数进行梯度混洗，并上传至中心服务器进行训练，所述训练梯度参数为根据训练历史评分项目的参数、训练待推荐项目和所述信息推荐模型计算获得的预测评分的梯度向量，所述训练历史评分项目的参数和所述训练待推荐项目与所述历史评分项目的参数和所述待推荐项目分别一一对应；根据各所述待推荐项目对应的推荐分数从多个所述待推荐项目中选择获取目标推荐项目，并向所述目标对象推送所述目标推荐项目。2.根据权利要求1所述的基于梯度混洗的信息推荐方法，其特征在于，所述信息推荐模型根据如下步骤进行训练：各所述训练客户端根据所述训练历史评分项目的参数、所述训练待推荐项目和所述信息推荐模型，计算获取所述训练待推荐项目对应的预测评分，并根据所述预测评分获得所述训练梯度参数；各所述训练客户端将所述训练梯度参数发送给第三方服务器，以触发所述第三方服务器对所述训练梯度参数进行混洗获得混洗训练梯度参数；各所述训练客户端触发所述第三方服务器将各所述混洗训练梯度参数上传至所述中心服务器，以触发所述中心服务器根据接收到的所述混洗训练梯度参数构建中心训练数据以训练所述信息推荐模型。3.根据权利要求2所述的基于梯度混洗的信息推荐方法，其特征在于，所述各所述训练客户端根据所述训练历史评分项目的参数、所述训练待推荐项目和所述信息推荐模型，计算获取所述训练待推荐项目对应的预测评分，并根据所述预测评分获得所述训练梯度参数，包括：获取各所述训练客户端对应的训练邻居客户端，其中，所述训练邻居客户端与所述训练客户端有关联关系；根据所述训练邻居客户端的参数和所述训练历史评分项目的参数进行聚合运算，获得各所述训练客户端的隐向量，其中，所述训练历史评分项目的参数为所述训练历史评分项目的隐向量，所述训练邻居客户端的参数为所述训练邻居客户端的隐向量；根据各所述训练客户端的隐向量和所述训练历史评分项目的隐向量进行内积运算，获得所述训练待推荐项目对应的预测评分；根据所述预测评分和预设的第一公式，获得所述预测评分的训练梯度参数。4.根据权利要求2所述的基于梯度混洗的信息推荐方法，其特征在于，所述各所述训练客户端将所述训练梯度参数发送给第三方服务器，以触发所述第三方服务器对所述训练梯度参数进行混洗，获得混洗训练梯度参数，包括：各所述训练客户端触发所述中心服务器生成公钥和私钥，并触发所述中心服务器将所述公钥广播给各所述训练客户端；
各所述训练客户端根据所述公钥对各自对应的所述训练梯度参数进行加密，获得训练梯度加密参数，并将各所述训练梯度加密参数发送给所述第三方服务器；各所述训练客户端触发所述第三方服务器对所有所述训练梯度加密参数进行混洗获得混洗训练梯度加密参数，并触发所述第三方服务器将所有所述混洗训练梯度加密参数发送给所述中心服务器；各所述训练客户端触发所述中心服务器根据所述私钥对所有所述混洗训练梯度加密参数进行解密获得所述混洗训练梯度参数。5.根据权利要求2所述的基于梯度混洗的信息推荐方法，其特征在于，所述各所述客户端触发所述第三方服务器将各所述混洗训练梯度参数上传至所述中心服务器，以触发所述中心服务器根据接收到的所述混洗训练梯度参数构建中心训练数据以训练所述信息推荐模型的具体过程：各所述训练客户端触发所述中心服务器将所有所述混洗训练梯度参数进行聚合获得全局梯度参数；各所述训练客户端触发所述中心服务器根据所述全局梯度参数更新全局向量表，其中，所述全局向量表包括所有所述训练客户端的隐向量和所有所述训练历史评分项目的隐向量；各所述训练客户端从所述中心服务器下载所述全局向量表，并根据更新后的所述训练客户端的隐向量和所述训练历史评分项目的隐向量，获得所述训练待推荐项目对应的预测评分；根据所述预测评分和所述训练评分，对所述信息推荐模型的模型参数进行调整，并继续执行将所述训练历史评分项目的参数和所述训练待推荐项目输入所述信息推荐模型的步骤，直至满足预设训练条件，以得到已训练的信息推荐模型。6.根据所述权利要求5所述的基于梯度混洗的信息推荐方法，其特征在于，所述预设训练条件为当所述预测评分的精准度连续五轮训练没有提高时结束模型训练。7.根据权利要求1-5任意一项所述的基于梯度混洗的信息推荐方法，其特征在于，所述待推荐项目包括商品链接、广告或视频。8.一种基于梯度混洗的信息推荐系统，其特征在于，所述系统包括：参数获取模块，用于获取目标对象的历史评分项目的参数，其中，所述历史评分项目为所述目标对象已使用并评分的项目；推荐分数获取模块，用于获取多个待推荐项目，根据所述历史评分项目的参数、多个所述待推荐项目和已训练的信息推荐模型获取各所述待推荐项目对应的推荐分数，其中，所述已训练的信息推荐模型在训练过程中各个训练客户端基于预设的梯度混洗方式对训练梯度参数进行梯度混洗，并上传至中心服务器进行训练，所述训练梯度参数为根据训练历史评分项目的参数、训练待推荐项目和所述信息推荐模型计算获得的预测评分的梯度向量，所述训练历史评分项目的参数和所述训练待推荐项目与所述历史评分项目的参数和所述待推荐项目分别一一对应；推荐模块，用于根据各所述待推荐项目对应的推荐分数从多个所述待推荐项目中选择获取目标推荐项目，并向所述目标对象推送所述目标推荐项目。9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储
器上并可在所述处理器上运行的基于梯度混洗的信息推荐程序，所述基于梯度混洗的信息推荐程序被所述处理器执行时实现如权利要求1-7任意一项所述基于梯度混洗的信息推荐方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于梯度混洗的信息推荐程序，所述基于梯度混洗的信息推荐程序被处理器执行时实现如权利要求1-7任意一项所述基于梯度混洗的信息推荐方法的步骤。

技术总结
本发明公开了一种基于梯度混洗的信息推荐方法及相关设备，所述方法包括：获取目标对象的历史评分项目的参数；获取多个待推荐项目，根据所述历史评分项目的参数、多个所述待推荐项目和已训练的信息推荐模型获取各所述待推荐项目对应的推荐分数，其中，所述已训练的信息推荐模型在训练过程中各个训练客户端基于预设的梯度混洗方式对训练梯度参数进行梯度混洗，并上传至中心服务器进行训练；根据各所述待推荐项目对应的推荐分数从多个所述待推荐项目中选择获取目标推荐项目，并向所述目标对象推送所述目标推荐项目。本发明有利于在推荐数据的过程中提高用户数据的安全性，从而保护用户信息数据的隐私。而保护用户信息数据的隐私。而保护用户信息数据的隐私。


技术研发人员：刘洋 刘亲博 王轩 刘川意 韩培义 王兆国 张加佳
受保护的技术使用者：哈尔滨工业大学（深圳）
技术研发日：2023.04.03
技术公布日：2023/7/6