[发明专利]保护用户隐私的推荐模型更新方法、系统及装置

权利要求书

1.一种保护用户隐私的推荐模型更新方法，其特征在于，包括：

确定推荐模型中原始参数对应的原始矩阵，并构建与所述原始参数对应的目标参数，其中，所述原始矩阵包含推荐维度和用户信息之间的映射关系；

基于所述原始矩阵创建关联所述原始参数和所述目标参数的预测控制任务，以及基于所述推荐模型对应的样本数据创建关联所述目标参数的参数隐藏任务，其中，所述预测控制任务和所述参数隐藏任务之间具有任务执行依赖关系；

通过执行所述预测控制任务，计算至少一个矩阵差异值，并基于所述至少一个矩阵差异值更新参数隐藏任务，以及通过执行更新后的参数隐藏任务，确定所述目标参数对应的目标矩阵，其中，任意一个矩阵差异值的计算，包括：确定原始用户信息，以及与所述原始用户信息具有映射关系的原始推荐维度；基于所述原始用户信息和原始推荐维度在所述原始矩阵中选择候选矩阵；将所述候选矩阵和所述原始矩阵之间的差异值作为所述候选矩阵对应的矩阵差异值；所述目标矩阵通过对至少一个用户差异值和至少一个矩阵差异值进行梯度下降计算确定；任意一个用户差异值根据更新后的参数隐藏任务确定；

利用所述目标矩阵替换所述推荐模型中的所述原始矩阵，根据替换结果获得包含目标参数对应的目标矩阵的目标推荐模型。

2.根据权利要求1所述的方法，其特征在于，所述确定所述目标参数对应的目标矩阵，包括：

基于更新后的参数隐藏任务中包含的样本数据确定所述目标参数对应的至少一个用户差异值；

基于更新后的参数隐藏任务中包含的待确定矩阵，对至少一个矩阵差异值和至少一个用户差异值进行梯度下降计算，根据计算结果在至少一个矩阵差异值中选择目标矩阵差异值；

将所述目标矩阵差异值对应的候选矩阵作为所述目标参数对应的目标矩阵。

3.根据权利要求2所述的方法，其特征在于，所述基于更新后的参数隐藏任务中包含的样本数据确定所述目标参数对应的至少一个用户差异值，包括：

在更新后的参数隐藏任务中确定样本数据和样本数据处理策略；

基于所述样本数据处理策略将所述样本数据划分为第一用户数据集和第二用户数据集，并基于所述第一用户数据集和所述第二用户数据集确定所述目标参数对应的至少一个用户差异值。

4.根据权利要求3所述的方法，其特征在于，任意一个用户差异值的计算，包括：

在所述第一用户数据集中选择第一用户，以及在所述第二用户数据集中选择第二用户；

确定所述第一用户的用户数据和所述第二用户的用户数据之间的用户属性差异值，并将所述用户属性差异值作为所述用户差异值。

5.根据权利要求4所述的方法，其特征在于，所述确定所述第一用户的用户数据和所述第二用户的用户数据之间的用户属性差异值，包括：

根据所述第一用户的用户数据确定第一用户矩阵和第一用户属性标识，以及根据所述第二用户的用户数据确定第二用户矩阵和第二用户属性标识；

基于所述第一用户矩阵和所述第二用户矩阵，确定所述第一用户和所述第二用户之间的用户矩阵差异值；

基于所述第一用户属性标识和所述第二用户属性标识，确定所述第一用户和所述第二用户之间的属性标识差异值；

根据所述用户矩阵差异值和所述属性标识差异值，确定用户属性差异值。

6.根据权利要求3所述的方法，其特征在于，任意一个用户差异值的计算，包括：

根据所述第一用户数据集中包含的全局用户数据，确定所述第一用户数据集对应的第一用户数据分布，以及根据所述第二用户数据集中包含的全局用户数据，确定所述第二用户数据集对应的第二用户数据分布；

确定所述第一用户数据分布，和所述第二用户数据分布之间的用户数据分布差异值，并将所述用户数据分布差异值作为所述用户差异值。