[发明专利]保护用户隐私的推荐模型更新方法、系统及装置

说明书

本说明书提供保护用户隐私的推荐模型更新方法、系统及装置，包括：确定推荐模型中原始参数对应的原始矩阵，并构建与原始参数对应的目标参数，原始矩阵包含推荐维度和用户信息之间的映射关系；基于原始矩阵创建关联原始参数和目标参数的预测控制任务，以及基于推荐模型对应的样本数据创建关联目标参数的参数隐藏任务，预测控制任务和参数隐藏任务之间具有任务执行依赖关系；通过执行预测控制任务，计算至少一个矩阵差异值，并基于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，确定目标参数对应的目标矩阵；利用目标矩阵替换推荐模型中的原始矩阵，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。

技术领域

本说明书涉及计算机技术领域，特别涉及一种保护用户隐私的推荐模型更新方法。本说明书同时涉及保护用户隐私的推荐模型更新系统，一种保护用户隐私的推荐模型更新装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着计算机技术的发展，推荐系统在各类场景中广泛应用，由于推荐模型是基于用户数据训练而成的，因此可以通过推荐模型获得用户数据。由此引发的安全问题受到了较多的关注。

为了保护用户隐私、保证用户数据安全，现有技术中，通常在推荐模型训练的过程中，通过对训练推荐模型的数据集添加噪声的方式实现用户隐私的保护，然而这种模型训练方式通常会对推荐模型的推荐能力产生影响，且需要对原有数据集进行处理后才能够进行模型训练，数据集中仍然包括用户的真实数据，无法对用户隐私实现全面保护，因此，亟需一种有效的方法以解决上述问题。

发明内容

有鉴于此，本说明书实施例提供了一种保护用户隐私的推荐模型更新方法。本说明书同时涉及保护用户隐私的推荐模型更新系统，一种保护用户隐私的推荐模型更新装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种保护用户隐私的推荐模型更新方法，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；

通过执行预测控制任务，计算至少一个矩阵差异值，并基于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，确定目标参数对应的目标矩阵；

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。

可选地，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。

可选地，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。

可选地，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：