CN112532627B - 冷启动推荐方法、装置、计算机设备及存储介质 - Google Patents
冷启动推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112532627B CN112532627B CN202011367515.7A CN202011367515A CN112532627B CN 112532627 B CN112532627 B CN 112532627B CN 202011367515 A CN202011367515 A CN 202011367515A CN 112532627 B CN112532627 B CN 112532627B
- Authority
- CN
- China
- Prior art keywords
- server
- similarity
- key
- decryption
- encrypted data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/06—Network architectures or network communication protocols for network security for supporting key management in a packet data network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例属于大数据技术领域,涉及一种冷启动推荐方法及相关设备,可应用于智慧安防领域,包括:在接收到第一服务器发送的第一密钥时,计算本地服务器的第一评分参数;在接收到第二服务器发送的第一加密数据时,根据第一评分参数和第一加密数据计算第一加密相似度,并根据第一密钥对第一加密相似度进行解密,得到第一解密相似度;发送第一解密相似度至第一服务器;在接收到第一服务器发送的总相似度时,根据总相似度生成目标用户的物品推荐表。此外,本申请还涉及区块链技术,所述物品推荐表可存储于区块链中。本申请实现了在冷启动推荐时用户隐私信息的保护。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及一种冷启动推荐方法、装置、计算机设备及存储介质。
背景技术
随着互联网和电子商务的迅猛发展,推荐***成为企业提高市场竞争力的重要工具。其中,协同过滤是最著名的一种推荐算法。但协同过滤往往面临冷启动问题,当***中有新用户加入时,该用户在***中不存在历史评分数据,不能根据传统算法计算用户间的相似度,也就无法为其进行推荐。
现有的冷启动往往需要联合多方数据,即利用用户在别的场景下的历史信息来解决冷启动问题,但这会涉及到隐私性问题,同时不同的公司之间也无法简单地共享或允许彼此完全访问其数据库,否则将会导致客户隐私信息的泄露。因此,如何在***露用户隐私的情况下实现用户物品的冷启动推荐是当前需要解决的技术问题。
发明内容
本申请实施例的目的在于提出一种冷启动推荐方法、装置、计算机设备及存储介质,旨在解决当前冷启动推荐时隐私泄露的技术问题。
为了解决上述技术问题,本申请实施例提供一种冷启动推荐方法,采用了如下所述的技术方案:
一种冷启动推荐方法,应用于本地服务器,包括以下步骤:
在接收到第一服务器发送的第一密钥时,计算本地服务器的第一评分参数,其中,所述本地服务器为不包括目标用户的物品信息的服务器,所述第一服务器为独立的第三方服务器;
在接收到第二服务器发送的第一加密数据时,根据所述第一评分参数和所述第一加密数据计算第一加密相似度,并根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度,其中,所述第二服务器为包括所述目标用户的物品信息的服务器;
发送所述第一解密相似度至所述第一服务器,以使所述第一服务器根据所述第一解密相似度计算总相似度;
在接收到所述第一服务器发送的所述总相似度时,根据所述总相似度生成所述目标用户的物品推荐表,并发送所述物品推荐表至所述第二服务器,以使所述第二服务器根据所述物品推荐表对所述目标用户进行物品推荐。
进一步的,在所述计算本地服务器的第一评分参数的步骤之后,包括:
所述第一密钥包括第一随机向量,根据所述第一密钥中的所述第一随机向量对所述第一评分参数进行加密,得到第二加密数据;
发送所述第二加密数据至所述第二服务器,以使所述第二服务器根据所述第二加密数据计算所述第二服务器对应的第二加密相似度。
进一步的,所述计算本地服务器的第一评分参数的步骤包括:
获取所述本地服务器存储的用户物品评分和评分均值;
根据所述用户物品评分和所述评分均值,计算所述第一评分参数。
进一步的,所述根据所述总相似度生成所述目标用户的物品推荐表的步骤包括:
在接收到所述第一服务器发送的所述总相似度时,获取所述目标用户在所述本地服务器的物品评分信息;
根据所述总相似度和所述物品评分信息,计算得到所述目标用户的预测评分;
按照所述预测评分从高到低对所述本地服务器中存储的所有物品进行排序,得到所述目标用户对应的物品推荐表。
进一步的,所述根据所述总相似度和所述物品评分信息,计算得到所述目标用户的预测评分的步骤包括:
将所述总相似度作为所述物品评分信息的权值,根据所述权值对所述物品评分信息进行加权求和,计算得到所述目标用户的预测评分。
进一步的,所述根据所述第一评分参数和所述第一加密数据计算第一加密相似度的步骤包括:
计算所述第一评分参数和所述第一加密数据的向量夹角,将所述向量夹角作为所述第一加密相似度。
进一步的,所述根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度的步骤包括:
所述第一密钥包括随机密钥值,计算所述第一加密相似度与所述随机密钥值的差值,将所述差值作为所述第一解密相似度。
为了解决上述技术问题,本申请实施例还提供一种冷启动推荐***,所述冷启动推荐***包括本地服务器、第一服务器和第二服务器,采用了如下所述的技术方案:
所述第一服务器,用于随机生成第一密钥和第二密钥,将所述第一密钥发送至所述本地服务器,将所述第二密钥发送至所述第二服务器;
所述本地服务器,用于在接收到所述第一服务器发送的所述第一密钥时,计算第一评分参数,并根据所述第一密钥对所述第一评分参数进行加密,得到第二加密数据,将所述第二加密数据发送至所述第二服务器;
所述第二服务器,用于在接收到所述第一服务器发送的所述第二密钥时,计算第二评分参数,并根据所述第二密钥对所述第二评分参数进行加密,得到第一加密数据,并将所述第一加密数据发送至所述本地服务器;
所述本地服务器,用于在接收到所述第一加密数据时,根据所述第一加密数据和所述第一评分参数计算第一加密相似度,并根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度,将所述第一解密相似度发送至所述第一服务器;
所述第二服务器,用于在接收到所述第二加密数据时,根据所述第二加密数据和所述第二评分参数,计算第二加密相似度,并根据所述第二密钥对所述第二加密相似度进行解密,得到第二解密相似度,将所述第二解密相似度发送至所述第一服务器;
所述第一服务器,用于在接收到所述第一解密相似度和所述第二解密相似度时,根据所述第一解密相似度和所述第二解密相似度计算总相似度,并将所述总相似度分别发送至所述本地服务器和所述第二服务器;
所述本地服务器,用于在接收到所述总相似度时,根据所述总相似度生成目标用户的物品推荐表,并发送所述物品推荐表至所述第二服务器;
所述第二服务器,用于在接收到所述物品推荐表时,根据所述物品推荐表对所述目标用户进行物品推荐。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器和处理器,以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现上述冷启动推荐方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述冷启动推荐方法的步骤。
上述冷启动推荐方法,本地服务器在接收到第一服务器发送的第一密钥时,计算本地服务器的第一评分参数,其中,本地服务器为不包括目标用户的物品信息的服务器,第一服务器为独立的第三方服务器,第二服务器为包括目标用户的物品信息的服务器;通过密钥可以实现本地服务器和第二服务器对各自生成的评分参数进行加密,并且该密钥由第三方服务器(即第一服务器)产生,本地服务器和第二服务器之间并不会知道彼此的加密和解密方式,确保了用户隐私信息的安全。在本地服务器接收到第二服务器发送的第一加密数据时,根据第一评分参数和第一加密数据计算第一加密相似度,并根据第一密钥对第一加密相似度进行解密,得到第一解密相似度。本地服务器通过第一密钥对第一加密相似度进行解密,可以使得在不需要得到第二服务器的评分参数的情况下,计算得到两个服务器之间的第一解密相似度。而后,本地服务器发送第一解密相似度至第一服务器,以使第一服务器根据第一解密相似度计算总相似度,通过第一服务器对总相似度进行计算,进一步确保了本地服务器和第二服务器之间不会存在消息的泄露的情况。在本地服务器接收到第一服务器发送的总相似度时,根据总相似度生成目标用户的物品推荐表,并发送物品推荐表至第二服务器,以使第二服务器根据物品推荐表对目标用户进行物品推荐。由此,实现了在***露隐私信息的情况下的冷启动用户的物品推荐,避免了隐私信息的泄露,提高了用户推荐的保密性,并且通过隐私程度较小的评分矩阵进行联合计算,极大地提高了在***露用户隐私的前提下用户物品推荐的准确率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性***架构图;
图2是冷启动推荐方法应用于本地服务器的一个实施例的流程示意图;
图3是根据本申请的冷启动推荐***的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
附图标记:第一计算模块401、第一解密模块402、第一发送模块403、第一推荐模块404、第二计算模块501、第二解密模块502、第二发送模块503 和第二推荐模块504。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本申请的目的、技术方案及优点更加清楚明白,下面结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例的冷启动推荐方法应用于冷启动推荐***中。如图1所示,***架构包括第一服务器、第二服务器和本地服务器。第一服务器和第二服务器之间、第一服务器和本地服务器之间、本地服务器和第二服务器之间均通过网络进行连接,网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图1中的第一服务器、第二服务器和本地服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的第一服务器、第二服务器和本地服务器。
继续参考图2,示出了根据本申请的冷启动推荐方法的一个实施例的流程图。所述冷启动推荐方法,包括以下步骤:
步骤S201,在接收到第一服务器发送的第一密钥时,计算本地服务器的第一评分参数,其中,所述本地服务器为不包括目标用户的物品信息的服务器,所述第一服务器为独立的第三方服务器;
在本实施例中,第一服务器为独立的第三方服务器,受本地服务器和第二服务器的信任,第二服务器为包括目标用户的物品信息的服务器,本地服务器为不包括目标用户的物品信息的服务器,该目标用户相对于第二服务器即为新用户,本地服务器和第二服务器拥有相同的用户和不同的物品。第一密钥则为第一服务器发送的密钥数据,该第一密钥包括第一随机向量和随机密钥值。
具体地,第一服务器在随机生成第一随机向量、第二随机向量和随机数时,根据该第一随机向量、第二随机向量和随机数计算得到一个随机密钥值,并将该随机密钥值和第一随机向量生成的第一密钥发送至本地服务器。同时,第一服务器还会将由该第二随机向量和随机数生成的第二密钥发送至第二服务器。在本地服务器接收到第一服务器发送的第一密钥时,则计算本地服务器的第一评分参数,其中,该第一评分参数则为本地服务器用户物品推荐评分参数,该第一评分参数可通过本地服务器存储的用户物品评分和评分均值计算得到。
步骤S202,在接收到第二服务器发送的第一加密数据时,根据所述第一评分参数和所述第一加密数据计算第一加密相似度,并根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度,其中,所述第二服务器为包括所述目标用户的物品信息的服务器;
在本实施例中,本地服务器在计算得到第一评分参数时,还会根据接收到的第一密钥对该第一评分参数进行加密,得到第二加密数据,并将该第二加密数据发送至第二服务器。第二服务器在计算得到第二评分参数时,亦会根据该第二密钥对第二评分参数进行加密,即得到第一加密数据,并将该第一加密数据发送至本地服务器。
因此,本地服务器在接收到第二服务器发送的第一加密数据时,则根据本地服务器的第一评分参数和该第一加密数据,计算第一加密相似度。具体地,计算该第一加密数和第一评分参数的向量夹角,即得到该第一加密相似度。在得到该第一加密相似度时,本地服务器将该第一加密相似度与随机密钥值相减,即得到本地服务器的第一解密相似度。
步骤S203,发送所述第一解密相似度至所述第一服务器,以使所述第一服务器根据所述第一解密相似度计算总相似度;
在本实施例中,本地服务器在得到第一解密相似度时,发送该第一解密相似度至第一服务器,与此同时,第二服务器亦会发送计算得到的第二解密相似度至第一服务器。第一服务器在接收到该第一解密相似度和第二解密相似度时,则将该第一解密相似和第二解密相似度相加,得到总相似度;在得到该总相似度时,第一服务器还会根据该总相似度构建对应的相似度矩阵,将该总相似度与该相似度矩阵同时发送给本地服务器和第二服务器。
步骤S204,在接收到所述第一服务器发送的所述总相似度时,根据所述总相似度生成所述目标用户的物品推荐表,并发送所述物品推荐表至所述第二服务器,以使所述第二服务器根据所述物品推荐表对所述目标用户进行物品推荐。
在本实施例中,本地服务器在接收到第一服务器发送的总相似度时,则根据该总相似度生成目标用户的物品推荐表,并将该物品推荐表发送至第二服务器。第二服务器在接收到该物品推荐表时,根据该物品推荐表即可确定目标用户对应的推荐物品,由此实现第二服务器对目标用户的物品推荐。
需要强调的是,为进一步保证上述物品推荐表的私密和安全性,上述物品推荐表还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本实施例实现了在***露隐私信息的情况下的冷启动用户的物品推荐,避免了隐私信息的泄露,提高了用户推荐的保密性,并且通过隐私程度较小的评分矩阵进行联合计算,极大地提高了在***露用户隐私的前提下用户物品推荐的准确率。
在本申请的一些实施例中,在上述计算本地服务器的第一评分参数之后,包括:
所述第一密钥包括第一随机向量,根据所述第一密钥中的所述第一随机向量对所述第一评分参数进行加密,得到第二加密数据;
发送所述第二加密数据至所述第二服务器,以使所述第二服务器根据所述第二加密数据计算所述第二服务器对应的第二加密相似度。
在本实施例中,本地服务器在接收到第一密钥时,第一密钥包括第一随机向量,根据第一密钥中的第一随机向量对第一评分参数进行加密,具体地,将计算得到的第一评分参数与该第一随机向量相减,得到的结果即为第一评分参数加密后的数据,即第二加密数据。以第一服务器生成的第一随机向量取为例,本地服务器的第一评分参数用Cu,j表示,则计算得到本地服务器的第二加密数据为本地服务器在得到该第二加密数据时,发送该第二加密数据至第二服务器;第二服务器在接收到该第二加密数据时,则可根据该第二加密数据与第二服务器的第二评分参数,计算得到第二加密相似度。
本实施例通过将本地服务器的第一评分参数进行加密,避免了第二服务器直接获取到本地服务器的物品评分信息,确保了用户隐私信息的安全。
在本申请的一些实施例中,上述计算本地服务器的第一评分参数包括:
获取所述本地服务器存储的用户物品评分和评分均值;
根据所述用户物品评分和所述评分均值,计算所述第一评分参数。
在本实施例中,第一评分参数为本地服务器的用户物品推荐评分参数,获取本地服务器中存储的用户物品评分和评分均值,根据该用户物品评分和评分均值计算得到该第一评分参数。第二评分参数为第二服务器的用户物品推荐评分参数,根据第二服务器中存储的用户物品评分和对应的评分均值,同样可以计算得到该第二评分参数。该第一评分参数和第二评分参数的计算公式如下所示:
其中,Cu,j表示第一评分参数,Cu,i表示第二服务参数,vu,j表示本地服务器的用户物品评分,vu,i表示第二服务器的用户物品评分用,表示本地服务器的评分均值,表示第二服务器的评分均值,i表示第二服务器中的物品, j表示本地服务器中的物品。
本实施例通过计算本地服务器的第一评分参数,使得通过该第一评分参数能够与第二服务器的评分参数的相似度进行精确计算,进一步实现对目标用户的精确推荐。
在本申请的一些实施例中,上述根据所述总相似度生成所述目标用户的物品推荐表包括:
在接收到所述第一服务器发送的所述总相似度时,获取所述目标用户在所述本地服务器的物品评分信息;
根据所述总相似度和所述物品评分信息,计算得到所述目标用户的预测评分;
按照所述预测评分从高到低对所述本地服务器中存储的所有物品进行排序,得到所述目标用户对应的物品推荐表。
在本实施例中,本地服务器在接收到第一服务器发送的总相似度时,则获取目标用户在本地服务器中的物品评分信息,即目标用户对本地服务器中的物品的评分信息。在得到该物品评分信息时,本地服务器根据该物品评分信息和该总相似度,计算目标用户在第二服务器中的预测评分。在计算得到该预测评分时,本地服务器则根据该预测评分从高到低对本地服务器中的所有物品进行排列,得到目标用户对应的物品推荐表。发送该物品推荐表至第二服务器,第二服务器在接收到该物品推荐表时,则可根据该物品推荐表对目标用户进行物品推荐。
本实施例通过本地服务器对目标用户的物品预测评分进行计算,实现了在***露隐私信息的情况下,对目标用户的精确推荐。
在本申请的一些实施例中,上述根据所述总相似度和所述物品评分信息,计算得到所述目标用户的预测评分包括:
将所述总相似度作为所述物品评分信息的权值,根据所述权值对所述物品评分信息进行加权求和,计算得到所述目标用户的预测评分。
在本实施例中,在得到总相似度和物品评分信息时,则将该总相似度作为物品评分信息的权值,根据该权值对该物品评分信息进行加权求和,即可计算得到该目标用户在第二服务器中的物品的预测评分。该预测评分的计算公式如下所示:
其中,predt,i表示预测评分,t表示第二服务器中的新用户,即目标用户, i,j分别为第二服务器和本地服务器中的物品,simi,j表示总相似度,vt,j为本地服务器中目标用户的物品评分信息。
本实施例通过总相似度对目标用户的预测评分进行计算,使得通过该预测评分能够对目标用户进行精确推荐,提高了用户推荐的准确度。
在本申请的一些实施例中,上述根据所述第一评分参数和所述第一加密数据计算第一加密相似度包括:
计算所述第一评分参数和所述第一加密数据的向量夹角,将所述向量夹角作为所述第一加密相似度。
在本实施例中,在计算第一加密相似度时,计算第一评分参数和第一加密数据的向量夹角,将该向量夹角作为本地服务器的第一加密相似度。具体地,该第一加密相似度可用表示,其中,为第一加密数据, Cu,j为本地服务器的第一评分参数,Cu,i为第二服务器的第二评分参数,为第一服务器生成的第二随机向量。
本实施例通过将第一评分参数和第一加密数据的向量夹角作为第一加密相似度,实现了在不需要直接获取到第二服务器的评分信息的情况下对服务器之间物品相似度的计算,确保了用户隐私信息的安全。
在本申请的一些实施例中,上述根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度包括:
所述第一密钥包括随机密钥值,计算所述第一加密相似度与所述随机密钥值的差值,将所述差值作为所述第一解密相似度。
在本实施例中,第一密钥包括随机密钥值,计算第一加密相似度和该随机密钥值的差值,该差值即为第一解密相似度。以第一服务器生成的随机密钥值取z为例,该第一解密相似度则为该随机密钥值为第一服务器根据第一随机向量、第二随机向量和随机数计算得到,其中,为第二随机向量,为第一随机向量,r为随机数。
本实施例通过随机密钥值对第一加密相似度进行解密,实现了与第二服务器不同的解密方式,避免了本地服务器和第二服务器之间能够直接通过密钥解密得到评分信息,进一步实现了用户隐私信息的保护。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体 (Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述方法的实现,本申请提供了一种冷启动推荐***的一个实施例,该***具体可以应用于各种电子设备中。
如图3所示,本实施例所述的冷启动推荐***包括本地服务器、第一服务器和第二服务器,所述本地服务器包括:第一计算模块401、第一解密模块 402、第一发送模块403和第一推荐模块404,所述第二服务器包括:第二计算模块501、第二解密模块502、第二发送模块503和第二推荐模块504。其中,
所述第一服务器,用于随机生成第一密钥和第二密钥,将所述第一密钥发送至所述本地服务器,将所述第二密钥发送至所述第二服务器;
所述本地服务器,用于在接收到所述第一服务器发送的所述第一密钥时,计算第一评分参数,并根据所述第一密钥对所述第一评分参数进行加密,得到第二加密数据,将所述第二加密数据发送至所述第二服务器;
所述第二服务器,用于在接收到所述第一服务器发送的所述第二密钥时,计算第二评分参数,并根据所述第二密钥对所述第二评分参数进行加密,得到第一加密数据,并将所述第一加密数据发送至所述本地服务器;
所述本地服务器,用于在接收到所述第一加密数据时,根据所述第一加密数据和所述第一评分参数计算第一加密相似度,并根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度,将所述第一解密相似度发送至所述第一服务器;
所述第二服务器,用于在接收到所述第二加密数据时,根据所述第二加密数据和所述第二评分参数,计算第二加密相似度,并根据所述第二密钥对所述第二加密相似度进行解密,得到第二解密相似度,将所述第二解密相似度发送至所述第一服务器;
所述第一服务器,用于在接收到所述第一解密相似度和所述第二解密相似度时,根据所述第一解密相似度和所述第二解密相似度计算总相似度,并将所述总相似度分别发送至所述本地服务器和所述第二服务器;
所述本地服务器,用于在接收到所述总相似度时,根据所述总相似度生成目标用户的物品推荐表,并发送所述物品推荐表至所述第二服务器;
所述第二服务器,用于在接收到所述物品推荐表时,根据所述物品推荐表对所述目标用户进行物品推荐。
在本实施例中,第一服务器为独立的第三方服务器,第一服务器随机生成第一随机向量、第二随机向量和随机数,并根据该第一随机向量、第二随机向量和随机数生成随机密钥值;将该第一随机向量和随机密钥值作为第一密钥发送至本地服务器,将该第二随机向量和随机数作为第二随机密钥发送至第二服务器。本地服务器在接收到该第一密钥时,则计算第一评分参数,并根据该第一密钥中的第一随机向量对第一评分参数进行加密,得到第二加密数据,并将该第二加密数据发送至第二服务器。
同时,第二服务器在接收到第二密钥时,则计算第二评分参数,该第二评分参数的计算方式与第一评分参数的计算方式相同,但所使用的参数数值不同。第二评分参数所使用的参数数据为第二服务器本地的用户物品评分和评分均值,第一评分参数所使用的参数数据则为本地服务器本地的用户物品评分和评分均值。在得到该第二评分参数时,该第二服务器则根据该第二密钥中的第二随机向量对该第二评分参数进行加密,得到第一加密数据。具体地,获取第二密钥中的第二随机向量,其中,该第二随机向量由第一服务器随机生成的区别于第一随机向量的随机向量,第一随机向量通过第一服务器发送至本地服务器中,第二随机向量则通过第一服务器发送至第二服务器中。在得到该第二随机向量时,第二服务器则将该第二随机向量与第二评分参数进行相加,即得到第二服务器对应的第一加密数据。以第一服务器生成的第二随机向量取为例,第二服务器的第二评分参数用Cu,i表示,则计算得到第二服务器的第一加密数据为第二服务器发送该第一加密数据至本地服务器,本地服务器在接收到该第一加密数据时,则可根据该第一加密数据计算得到对应的第一加密相似度。
本地服务器在接收到第二服务器发送的第一加密数据时,则根据该第一评分参数和该第一加密数据计算第一加密相似度,并根据第一密钥中的随机密钥值对该第一加密相似度进行解密,即得到第一解密相似度。将该第一解密相似度发送至第一服务器。
与此同时,当该第二服务器接收到本地服务器发送的第二加密数据时,则计算该第二加密数据和第二评分参数的向量夹角,得到第二服务器对应的第二加密相似度。该第二加密相似度可用表示,其中,Cu,i为第二服务器的第二评分参数,为本地服务器发送的第二加密数据。在得到该第二加密相似度时,则将该第二加密相似度与第二密钥中的随机数进行相减,即得到第二服务器对应的第二解密相似度。以第一服务器产生的随机数取r为例,该第二解密相似度则为发送该第二解密相似度至第一服务器中。
第一服务器在接收到由第二服务器发送的第二解密相似度和本地服务器发送的第一解密相似度时,对该第一解密相似度和第二解密相似度进行求和,计算得到总相似度。分别发送该总相似度至第二服务器和本地服务器。本地服务器在接收到该总相似度时,则根据该总相似度生成目标用户的物品推荐表,并将该物品推荐表发送至第二服务器。第二服务器在接收到该物品推荐表时,则可根据该物品推荐表对目标用户进行物品推荐。
本申请中的本地服务器包括:
第一计算模块401,用于在接收到第一服务器发送的第一密钥时,计算本地服务器的第一评分参数,其中,所述本地服务器为不包括目标用户的物品信息的服务器,所述第一服务器为独立的第三方服务器;
其中,所述第一密钥包括第一随机向量,所述第一计算模块401包括:
第一加密单元,用于根据所述第一密钥中的所述第一随机向量对所述第一评分参数进行加密,得到第二加密数据;
第一发送单元,用于发送所述第二加密数据至所述第二服务器,以使所述第二服务器根据所述第二加密数据计算所述第二服务器对应的第二加密相似度。
第一获取单元,用于获取所述本地服务器存储的用户物品评分和评分均值;
第一计算单元,用于根据所述用户物品评分和所述评分均值,计算所述第一评分参数。
在本实施例中,第一服务器为独立的第三方服务器,受本地服务器和第二服务器的信任,第二服务器为包括目标用户的物品信息的服务器,本地服务器为不包括目标用户的物品信息的服务器,该目标用户相对于第二服务器即为新用户,本地服务器和第二服务器拥有相同的用户和不同的物品。第一密钥则为第一服务器发送的密钥数据,该第一密钥包括第一随机向量和随机密钥值。
具体地,第一服务器在随机生成第一随机向量、第二随机向量和随机数时,根据该第一随机向量、第二随机向量和随机数计算得到一个随机密钥值,并将该随机密钥值和第一随机向量生成的第一密钥发送至本地服务器。同时,第一服务器还会将由该第二随机向量和随机数生成的第二密钥发送至第二服务器。在本地服务器接收到第一服务器发送的第一密钥时,则计算本地服务器的第一评分参数,其中,该第一评分参数则为本地服务器用户物品推荐评分参数,该第一评分参数可通过本地服务器存储的用户物品评分和评分均值计算得到。
第一解密模块402,用于在接收到第二服务器发送的第一加密数据时,根据所述第一评分参数和所述第一加密数据计算第一加密相似度,并根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度,其中,所述第二服务器为包括所述目标用户的物品信息的服务器;
其中,所述第一解密模块包括:
第一确认单元,用于计算所述第一评分参数和所述第一加密数据的向量夹角,将所述向量夹角作为所述第一加密相似度。
第二确认单元,用于所述第一密钥包括随机密钥值,计算所述第一加密相似度与所述随机密钥值的差值,将所述差值作为所述第一解密相似度。
在本实施例中,本地服务器在计算得到第一评分参数时,还会根据接收到的第一密钥对该第一评分参数进行加密,得到第二加密数据,并将该第二加密数据发送至第二服务器。第二服务器在计算得到第二评分参数时,亦会根据该第二密钥对第二评分参数进行加密,即得到第一加密数据,并将该第一加密数据发送至本地服务器。
因此,本地服务器在接收到第二服务器发送的第一加密数据时,则根据本地服务器的第一评分参数和该第一加密数据,计算第一加密相似度。具体地,计算该第一加密数和第一评分参数的向量夹角,即得到该第一加密相似度。在得到该第一加密相似度时,本地服务器将该第一加密相似度与随机密钥值相减,即得到本地服务器的第一解密相似度。
第一发送模块403,用于发送所述第一解密相似度至所述第一服务器,以使所述第一服务器根据所述第一解密相似度计算总相似度;
在本实施例中,本地服务器在得到第一解密相似度时,发送该第一解密相似度至第一服务器,与此同时,第二服务器亦会发送计算得到的第二解密相似度至第一服务器。第一服务器在接收到该第一解密相似度和第二解密相似度时,则将该第一解密相似和第二解密相似度相加,得到总相似度;在得到该总相似度时,第一服务器还会根据该总相似度构建对应的相似度矩阵,将该总相似度与该相似度矩阵同时发送给本地服务器和第二服务器。
第一推荐模块404,用于在接收到所述第一服务器发送的所述总相似度时,根据所述总相似度生成所述目标用户的物品推荐表,并发送所述物品推荐表至所述第二服务器,以使所述第二服务器根据所述物品推荐表对所述目标用户进行物品推荐。
其中,所述第一推荐模块404包括:
第二获取单元,用于在接收到所述第一服务器发送的所述总相似度时,获取所述目标用户在所述本地服务器的物品评分信息;
第二计算单元,用于根据所述总相似度和所述物品评分信息,计算得到所述目标用户的预测评分;
排序单元,用于按照所述预测评分从高到低对所述本地服务器中存储的所有物品进行排序,得到所述目标用户对应的物品推荐表。
其中,所述第二计算单元包括:
计算子单元,用于将所述总相似度作为所述物品评分信息的权值,根据所述权值对所述物品评分信息进行加权求和,计算得到所述目标用户的预测评分。
在本实施例中,本地服务器在接收到第一服务器发送的总相似度时,则根据该总相似度生成目标用户的物品推荐表,并将该物品推荐表发送至第二服务器。第二服务器在接收到该物品推荐表时,根据该物品推荐表即可确定目标用户对应的推荐物品,由此实现第二服务器对目标用户的物品推荐。
需要强调的是,为进一步保证上述物品推荐表的私密和安全性,上述物品推荐表还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请中的第二服务器包括:
第二计算模块501,用于在接收到第一服务器发送的第二密钥时,计算第二服务器的第二评分参数,其中,所述第二密钥包括第二随机向量和随机数;
第二解密模块502,用于在接收到本地服务器发送的第二加密数据时,根据所述第二评分参数和所述第二加密数据计算第二加密相似度,并根据所述随机数对所述第二加密相似度进行解密,得到第二解密相似度;
第二发送模块503,用于发送所述第二解密相似度至所述第一服务器,以使所述第一服务器根据所述第二解密相似度计算总相似度;
第二推荐模块504,用于在接收到所述本地服务器根据所述总相似度生成的物品推荐表时,根据所述物品推荐表对目标用户进行物品推荐。
其中,第二计算模块501包括:
第二加密单元,用于根据所述第二密钥中的所述第二随机向量对所述第二评分参数进行加密,得到第一加密数据;
第二发送单元,用于发送所述第一加密数据至所述本地服务器,以使所述本地服务器根据所述第一加密数据计算所述本地服务器对应的第一加密相似度。
在本实施例中,第二服务器在接收到第一服务器发送的第二密钥时,则计算对应的第二评分参数,该第二评分参数的计算方式与第一评分参数的计算方式相同,但所使用的参数数值不同。第二评分参数所使用的参数数据为第二服务器本地的用户物品评分和评分均值,第一评分参数所使用的参数数据则为本地服务器本地的用户物品评分和评分均值。当该第二服务器接收到本地服务器发送的第二加密数据时,则计算该第二加密数据和第二评分参数的向量夹角,得到第二服务器对应的第二加密相似度。该第二加密相似度可用表示,其中,Cu,i为第二服务器的第二评分参数,为本地服务器发送的第二加密数据。在得到该第二加密相似度时,则将该第二加密相似度与第二密钥中的随机数进行相减,即得到第二服务器对应的第二解密相似度。以第一服务器产生的随机数取r为例,该第二解密相似度则为发送该第二解密相似度至第一服务器中,第一服务器根据该第二解密相似度和本地服务器发送的第一解密相似度即可计算得到总相似度。第二服务器在接收到由本地服务器根据第一服务器发送的总相似度生成的物品推荐表时,则可根据该物品推荐表对目标用户进行物品推荐。
本实施例提出的冷启动推荐***,实现了在***露隐私信息的情况下的冷启动用户的物品推荐,避免了隐私信息的泄露,提高了用户推荐的保密性,并且通过隐私程度较小的评分矩阵进行联合计算,极大地提高了在***露用户隐私的前提下用户物品推荐的准确率。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过***总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray, FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器61 还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作***和各类应用软件,例如冷启动推荐方法的程序代码等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62 通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据,例如运行所述冷启动推荐方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63 通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,实现了在***露隐私信息的情况下的冷启动用户的物品推荐,避免了隐私信息的泄露,提高了用户推荐的保密性,并且通过隐私程度较小的评分矩阵进行联合计算,极大地提高了在***露用户隐私的前提下用户物品推荐的准确率。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有冷启动推荐程序,所述冷启动推荐程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的冷启动推荐的步骤。
本实施例提出的计算机可读存储介质,实现了在***露隐私信息的情况下的冷启动用户的物品推荐,避免了隐私信息的泄露,提高了用户推荐的保密性,并且通过隐私程度较小的评分矩阵进行联合计算,极大地提高了在***露用户隐私的前提下用户物品推荐的准确率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种冷启动推荐方法,应用于本地服务器,其特征在于,包括下述步骤:
在接收到第一服务器发送的第一密钥时,计算本地服务器的第一评分参数,其中,所述本地服务器为不包括目标用户的物品信息的服务器,所述第一服务器为独立的第三方服务器;
在接收到第二服务器发送的第一加密数据时,根据所述第一评分参数和所述第一加密数据计算第一加密相似度,并根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度,其中,所述第二服务器为包括所述目标用户的物品信息的服务器;
发送所述第一解密相似度至所述第一服务器,以使所述第一服务器根据所述第一解密相似度计算总相似度;
在接收到所述第一服务器发送的所述总相似度时,根据所述总相似度生成所述目标用户的物品推荐表,并发送所述物品推荐表至所述第二服务器,以使所述第二服务器根据所述物品推荐表对所述目标用户进行物品推荐。
2.根据权利要求1所述的冷启动推荐方法,其特征在于,在所述计算本地服务器的第一评分参数的步骤之后,包括:
所述第一密钥包括第一随机向量,根据所述第一密钥中的所述第一随机向量对所述第一评分参数进行加密,得到第二加密数据;
发送所述第二加密数据至所述第二服务器,以使所述第二服务器根据所述第二加密数据计算所述第二服务器对应的第二加密相似度。
3.根据权利要求1所述的冷启动推荐方法,其特征在于,所述计算本地服务器的第一评分参数的步骤包括:
获取所述本地服务器存储的用户物品评分和评分均值;
根据所述用户物品评分和所述评分均值,计算所述第一评分参数。
4.根据权利要求1所述的冷启动推荐方法,其特征在于,所述根据所述总相似度生成所述目标用户的物品推荐表的步骤包括:
在接收到所述第一服务器发送的所述总相似度时,获取所述目标用户在所述本地服务器的物品评分信息;
根据所述总相似度和所述物品评分信息,计算得到所述目标用户的预测评分;
按照所述预测评分从高到低对所述本地服务器中存储的所有物品进行排序,得到所述目标用户对应的物品推荐表。
5.根据权利要求4所述的冷启动推荐方法,其特征在于,所述根据所述总相似度和所述物品评分信息,计算得到所述目标用户的预测评分的步骤包括:
将所述总相似度作为所述物品评分信息的权值,根据所述权值对所述物品评分信息进行加权求和,计算得到所述目标用户的预测评分。
6.根据权利要求1所述的冷启动推荐方法,其特征在于,所述根据所述第一评分参数和所述第一加密数据计算第一加密相似度的步骤包括:
计算所述第一评分参数和所述第一加密数据的向量夹角,将所述向量夹角作为所述第一加密相似度。
7.根据权利要求1所述的冷启动推荐方法,其特征在于,所述根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度的步骤包括:
所述第一密钥包括随机密钥值,计算所述第一加密相似度与所述随机密钥值的差值,将所述差值作为所述第一解密相似度。
8.一种冷启动推荐***,其特征在于,所述冷启动推荐***包括本地服务器、第一服务器和第二服务器,其中:
所述第一服务器,用于随机生成第一密钥和第二密钥,将所述第一密钥发送至所述本地服务器,将所述第二密钥发送至所述第二服务器;
所述本地服务器,用于在接收到所述第一服务器发送的所述第一密钥时,计算第一评分参数,并根据所述第一密钥对所述第一评分参数进行加密,得到第二加密数据,将所述第二加密数据发送至所述第二服务器;
所述第二服务器,用于在接收到所述第一服务器发送的所述第二密钥时,计算第二评分参数,并根据所述第二密钥对所述第二评分参数进行加密,得到第一加密数据,并将所述第一加密数据发送至所述本地服务器;
所述本地服务器,用于在接收到所述第一加密数据时,根据所述第一加密数据和所述第一评分参数计算第一加密相似度,并根据所述第一密钥对所述第一加密相似度进行解密,得到第一解密相似度,将所述第一解密相似度发送至所述第一服务器;
所述第二服务器,用于在接收到所述第二加密数据时,根据所述第二加密数据和所述第二评分参数,计算第二加密相似度,并根据所述第二密钥对所述第二加密相似度进行解密,得到第二解密相似度,将所述第二解密相似度发送至所述第一服务器;
所述第一服务器,用于在接收到所述第一解密相似度和所述第二解密相似度时,根据所述第一解密相似度和所述第二解密相似度计算总相似度,并将所述总相似度分别发送至所述本地服务器和所述第二服务器;
所述本地服务器,用于在接收到所述总相似度时,根据所述总相似度生成目标用户的物品推荐表,并发送所述物品推荐表至所述第二服务器;
所述第二服务器,用于在接收到所述物品推荐表时,根据所述物品推荐表对所述目标用户进行物品推荐。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7任一项所述的冷启动推荐方法的步骤。
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计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7任一项所述的冷启动推荐方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011367515.7A CN112532627B (zh) | 2020-11-27 | 2020-11-27 | 冷启动推荐方法、装置、计算机设备及存储介质 |
PCT/CN2021/096586 WO2022110716A1 (zh) | 2020-11-27 | 2021-05-28 | 冷启动推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011367515.7A CN112532627B (zh) | 2020-11-27 | 2020-11-27 | 冷启动推荐方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112532627A CN112532627A (zh) | 2021-03-19 |
CN112532627B true CN112532627B (zh) | 2022-03-29 |
Family
ID=74995013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011367515.7A Active CN112532627B (zh) | 2020-11-27 | 2020-11-27 | 冷启动推荐方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112532627B (zh) |
WO (1) | WO2022110716A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112532627B (zh) * | 2020-11-27 | 2022-03-29 | 平安科技(深圳)有限公司 | 冷启动推荐方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015086960A1 (fr) * | 2013-12-10 | 2015-06-18 | Nuukik | Systeme et procede informatise de recommandation d'un produit a un utilisateur |
CN106021298A (zh) * | 2016-05-03 | 2016-10-12 | 广东工业大学 | 一种基于非对称加权相似度的协同过滤推荐方法及*** |
CN106202331A (zh) * | 2016-07-01 | 2016-12-07 | 中国传媒大学 | 分层次隐私保护的推荐***及基于该推荐***的作业方法 |
CN108269172A (zh) * | 2018-01-18 | 2018-07-10 | 四川大学 | 基于综合相似度迁移的协同过滤算法 |
CN110189192A (zh) * | 2019-05-10 | 2019-08-30 | 深圳前海微众银行股份有限公司 | 一种信息推荐模型的生成方法及装置 |
CN111291273A (zh) * | 2020-02-20 | 2020-06-16 | 深圳前海微众银行股份有限公司 | 推荐***优化方法、装置、设备及可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012142751A1 (en) * | 2011-04-19 | 2012-10-26 | Nokia Corporation | Method and apparatus for flexible diversification of recommendation results |
CN104796475B (zh) * | 2015-04-24 | 2018-10-26 | 苏州大学 | 一种基于同态加密的社会化推荐方法 |
CN109104273B (zh) * | 2018-07-04 | 2021-03-30 | 华为技术有限公司 | 报文处理方法以及接收端服务器 |
CN110413868B (zh) * | 2018-11-06 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、***及存储介质 |
CN111104434B (zh) * | 2019-11-25 | 2022-01-18 | 北京理工大学 | 一种基于隐私保护多级属性相似度的电子医疗推荐方法 |
CN112532627B (zh) * | 2020-11-27 | 2022-03-29 | 平安科技(深圳)有限公司 | 冷启动推荐方法、装置、计算机设备及存储介质 |
-
2020
- 2020-11-27 CN CN202011367515.7A patent/CN112532627B/zh active Active
-
2021
- 2021-05-28 WO PCT/CN2021/096586 patent/WO2022110716A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015086960A1 (fr) * | 2013-12-10 | 2015-06-18 | Nuukik | Systeme et procede informatise de recommandation d'un produit a un utilisateur |
CN106021298A (zh) * | 2016-05-03 | 2016-10-12 | 广东工业大学 | 一种基于非对称加权相似度的协同过滤推荐方法及*** |
CN106202331A (zh) * | 2016-07-01 | 2016-12-07 | 中国传媒大学 | 分层次隐私保护的推荐***及基于该推荐***的作业方法 |
CN108269172A (zh) * | 2018-01-18 | 2018-07-10 | 四川大学 | 基于综合相似度迁移的协同过滤算法 |
CN110189192A (zh) * | 2019-05-10 | 2019-08-30 | 深圳前海微众银行股份有限公司 | 一种信息推荐模型的生成方法及装置 |
CN111291273A (zh) * | 2020-02-20 | 2020-06-16 | 深圳前海微众银行股份有限公司 | 推荐***优化方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
推荐***冷启动问题解决策略研究;乔雨等;《计算机技术与发展》;20171019;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112532627A (zh) | 2021-03-19 |
WO2022110716A1 (zh) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697365B (zh) | 信息处理方法及区块链节点、电子设备 | |
CN108809646A (zh) | 安全共享密钥共享***及方法 | |
CN101221641B (zh) | 一种联机交易的安全确认设备及联机交易方法 | |
CN110390212B (zh) | 基于区块链的供货监控方法、节点装置 | |
KR20090095635A (ko) | 전자 기기 내의 프로그램 상태 데이터의 보안 저장을 위한 방법 | |
CN115134090A (zh) | 基于隐私保护的身份认证方法、装置、计算机设备及介质 | |
CN115114658A (zh) | 基于区块链的可验证数据交易方法、装置、设备及介质 | |
CN111027981A (zh) | 多方联合训练针对IoT机具的风险评估模型的方法及装置 | |
CN107154916A (zh) | 一种认证信息获取方法、提供方法及装置 | |
CN111368196A (zh) | 模型参数的更新方法、装置、设备及可读存储介质 | |
JP2004512570A (ja) | 非安全な暗号加速器を用いる方法と装置 | |
CN116226289A (zh) | 基于区块链的电子凭证管理方法、装置、设备及存储介质 | |
CN112532627B (zh) | 冷启动推荐方法、装置、计算机设备及存储介质 | |
CN113434906A (zh) | 数据查询方法、装置、计算机设备及存储介质 | |
CN117708794A (zh) | 设备授权方法和设备授权装置 | |
CN107026730A (zh) | 数据处理方法、装置及*** | |
CN109768969B (zh) | 权限控制方法及物联网终端、电子设备 | |
US11133926B2 (en) | Attribute-based key management system | |
CN111078649A (zh) | 基于区块链的云上文件存储方法、装置及电子设备 | |
US20200322318A1 (en) | Security System And Method | |
CN111949996A (zh) | 安全私钥的生成方法、加密方法、***、设备及介质 | |
CN115858914A (zh) | 一种匿踪查询方法、装置、***、终端设备及存储介质 | |
CN115442037A (zh) | 一种账号管理方法、装置、设备及存储介质 | |
CN115412259A (zh) | 基于区块链的云健康***可搜索代理签密方法及产品 | |
CN115599959A (zh) | 数据共享方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |