基于生成模型的隐私保护跨域推荐方法与流程

本申请涉及计算机，特别涉及基于生成模型的隐私保护跨域推荐方法。本申请同时涉及项目推荐方法，基于生成模型的隐私保护跨域推荐装置，一种计算设备，以及一种计算机可读存储介质。

背景技术：

1、随着互联网的飞速发展，互联网中的数据信息呈现爆发式增长，面对海量的数据信息，用户很难从众多选择中挑选出自己感兴趣的项目。为了改善用户的体验，推荐系统被广泛应用于不同的场景，如在线购物、音乐推荐、电影推荐等。

2、跨域推荐的任务，一般是指在两个数据域中用户的构成有重叠，这样，不同的数据域之间就有了一定量的用户数据。目前的跨域推荐一般是利用跨域推荐模型实现的，目标域可以获得源域的用户数据，然后利用获得的源域的用户数据和目标域本地的用户数据，训练跨域推荐模型，这样训练出来的模型可以实现跨域推荐。然而，当前的跨域推荐模型训练中，用户数据都是显示交互的，严重影响用户数据的隐私。

技术实现思路

1、有鉴于此，本申请实施例提供了基于生成模型的隐私保护跨域推荐方法。本申请同时涉及项目推荐方法，基于生成模型的隐私保护跨域推荐装置，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用户跨域推荐项目带来的用户隐私数据泄露问题。

2、根据本申请实施例的第一方面，提供了一种基于生成模型的隐私保护跨域推荐方法，包括：

3、获取源域预测数据和目标域训练数据，其中，所述源域预测数据通过将噪声数据输入生成模型生成得到；

4、提取所述源域预测数据的特征向量，获得源域用户信息向量；

5、提取所述目标域训练数据的特征向量，获得目标域用户信息向量和目标域项目信息向量；

6、基于所述源域用户信息向量和所述目标域用户信息向量之间的跨域信息向量、以及所述目标域项目信息向量，训练推荐模型。

7、根据本申请实施例的第二方面，提供了一种项目推荐方法，包括：

8、获取目标用户的用户信息；

9、将所述用户信息输入推荐模型，得到针对所述目标用户的项目推荐信息，其中，所述推荐模型为利用如上述的推荐模型训练的方法训练得到。

10、根据本申请实施例的第三方面，提供了一种基于生成模型的隐私保护跨域推荐装置，包括：

11、训练数据获取模块，被配置为获取源域预测数据和目标域训练数据，其中，所述源域预测数据基于噪声数据通过生成模型获得；

12、第一特征向量提取模块，被配置为提取所述源域预测数据的特征向量，获得源域用户信息向量；

13、第二特征向量提取模块，被配置为提取所述目标域训练数据的特征向量，获得目标域用户信息向量和目标域项目信息向量；

14、模型训练模块，被配置为基于所述源域用户信息向量和所述目标域用户信息向量之间的跨域信息向量、以及所述目标域项目信息向量，训练推荐模型。

15、根据本申请实施例的第三方面，提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述计算机指令时实现所述基于生成模型的隐私保护跨域推荐方法的步骤。

16、根据本申请实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现所述基于生成模型的隐私保护跨域推荐方法的步骤。

17、本申请提供的基于生成模型的隐私保护跨域推荐方法，获取源域预测数据和目标域训练数据，其中，所述源域预测数据通过将噪声数据输入生成模型生成得到；提取所述源域预测数据的特征向量，获得源域用户信息向量；提取所述目标域训练数据的特征向量，获得目标域用户信息向量和目标域项目信息向量；基于所述源域用户信息向量和所述目标域用户信息向量之间的跨域信息向量、以及所述目标域项目信息向量，训练推荐模型。

18、本申请一实施例，通过获取生成模型根据噪声数据生成的源域预测数据，以及获取目标域训练数据，并提取源域预测数据中的源域用户信息向量，提取目标域训练数据中的目标域用户信息向量和目标域项目信息向量，以便于根据源域用户信息向量和目标域用户信息向量之间的跨域信息向量、以及目标域项目信息向量，在目标域中训练推荐模型；该种方式通过生成模型获得的源域预测数据，并不会直接触及到源域中用户的原始信息，实现了对源域用户数据的隐私保护；另外，训练推荐模型的输入数据还包括跨域信息向量，将源域的用户知识转移到目标域中，以提高目标域中推荐模型的推荐性能。

技术特征：

1.一种基于生成模型的隐私保护跨域推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述获取源域预测数据之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述原始数据和所述预测数据计算相似度，根据所述相似度调整所述待训练生成模型中的参数，获得生成模型，包括：

4.根据权利要求1所述的方法，其特征在于，所述提取所述源域预测数据的特征向量，获得源域用户信息向量，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述源域用户信息向量和所述目标域用户信息向量之间的跨域信息向量、以及所述目标域项目信息向量，训练推荐模型，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述源域用户信息向量和所述目标域用户信息向量之间的跨域信息向量、以及所述目标域项目信息向量，确定目标损失值，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述跨域信息向量和所述目标域项目信息向量，确定项目预测损失值，包括：

8.根据权利要求6所述的方法，其特征在于，所述根据所述跨域损失值和所述项目预测损失值，确定目标损失值之前，还包括：

9.一种项目推荐方法，其特征在于，包括：

10.一种基于生成模型的隐私保护跨域推荐装置，其特征在于，包括：

11.一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，其特征在于，所述处理器执行所述计算机指令时实现权利要求1-9任意一项所述方法的步骤。

12.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-9任意一项所述方法的步骤。

技术总结
本申请提供基于生成模型的隐私保护跨域推荐方法，其中所述基于生成模型的隐私保护跨域推荐方法包括：获取源域预测数据和目标域训练数据，其中，所述源域预测数据通过将噪声数据输入生成模型生成得到；提取所述源域预测数据的特征向量，获得源域用户信息向量；提取所述目标域训练数据的特征向量，获得目标域用户信息向量和目标域项目信息向量；基于所述源域用户信息向量和所述目标域用户信息向量之间的跨域信息向量、以及所述目标域项目信息向量，训练推荐模型；通过生成模型获得的源域预测数据，并不会直接触及到源域中用户的原始信息，实现了对源域用户数据的隐私保护，又将源域的用户知识转移到目标域中，以提高目标域中推荐模型的推荐性能。

技术研发人员：陈超超,廖馨婷,郑小林
受保护的技术使用者：杭州金智塔科技有限公司
技术研发日：
技术公布日：2024/1/13