推荐模型的训练方法、信息推荐方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113946861A(43)申请公布日2022.01.18(21)申请号202111196559.2(22)申请日2021.10.14(71)申请人中国电信股份有限公司地址100033北京市西城区金融大街31号(72)发明人陈康付华峥陈翀(74)专利代理机构北京律智知识产权代理有限公司11438代理人王辉阚梓瑄(51)Int.Cl.G06F21/62(2013.01)G06N20/00(2019.01)H04W12/03(2021.01)H04W12/041(2021.01)权利要求书2页说明书11页附图4页(54)发明名称推荐模型的训练方法、信息推荐方法、装置、设备及介质(57)摘要本公开涉及一种推荐模型的训练方法及装置、信息推荐方法及装置、电子设备及计算机可读介质，属于机器学习技术领域。该推荐模型的训练方法包括：将所有终端划分为终端对并生成密钥；对各个终端的特征进行分箱后计算特征的统计信息；根据特征统计信息与终端的密钥，得到终端中每个特征的加密统计信息以及各个特征的总体统计信息；将训练样本集合作为决策树模型中的节点，并根据总体统计信息确定目标分裂点；根据目标分裂点对决策树进行分裂后，重新计算训练样本集合中各个特征的统计信息并确定下一目标分裂点，直到满足预设条件时停止迭代，得到终端的推荐模型。本公开通过在模型训练过程中对终端的特征统计信息进行加密，可以保护用户隐私。CN113946861ACN113946861A权利要求书1/2页1.一种推荐模型的训练方法，其特征在于，包括：将所有终端划分为两两一对的终端对，并生成各个所述终端对应的密钥，其中，所述终端对中的两个终端的密钥互为相反数；获取各个所述终端的用户行为数据，根据所述用户行为数据得到各个所述终端中的特征，将所述终端中的特征作为所述终端对应的训练样本集合，并对所述特征进行分箱后计算所述特征的统计信息；根据所述终端中每个特征的统计信息与所述终端的密钥，得到所述终端中每个特征的加密统计信息，并根据所有所述终端中每个特征的加密统计信息得到各个所述特征对应的总体统计信息；将所述训练样本集合作为决策树模型中的节点，并根据所述总体统计信息确定所述决策树模型的目标分裂点，其中，所述目标分裂点为本次分裂使用的特征以及对应的特征值；根据所述目标分裂点对所述决策树模型中的节点进行分裂后，重新计算所述训练样本集合中各个特征的统计信息并确定下一目标分裂点，直到所述终端中的特征满足预设条件时停止迭代，得到所述终端的推荐模型。2.根据权利要求1所述的推荐模型的训练方法，其特征在于，所述生成各个所述终端对应的密钥，其中，所述终端对中的两个终端的密钥互为相反数，包括：生成所述终端对中的两个终端对应的元组数据，所述元组数据中包含所述终端对中的两个终端的密钥正负标识；根据所述终端对应的元组数据生成所述终端对应的初始密钥，并根据所述初始密钥和所述密钥正负标识得到所述终端对应的密钥。3.根据权利要求1所述的推荐模型的训练方法，其特征在于，所述对所述特征进行分箱后计算所述特征的统计信息，包括：获取各个所述终端中每个特征的特征值，并根据所有所述终端中每个特征的特征值，确定各个所述特征的综合最大值和综合最小值；根据各个所述特征的综合最大值和综合最小值对所述特征进行分箱，得到各个所述特征的综合分箱结果；根据各个所述特征的综合分箱结果得到各个所述终端的终端分箱结果，并根据所述终端分箱结果计算所述终端中所述特征的统计信息。4.根据权利要求3所述的推荐模型的训练方法，其特征在于，所述根据所有所述终端中每个特征的特征值，确定各个所述特征的综合最大值和综合最小值，包括：获取各个所述终端中每个特征的特征值，并根据所述特征值得到所述终端中每个所述特征对应的特征值对；根据所有所述终端中每个所述特征对应的特征值对，确定各个所述特征的综合最大值和综合最小值。5.根据权利要求4所述的推荐模型的训练方法，其特征在于，所述根据所述特征值得到所述终端中每个所述特征对应的特征值对，包括：根据所述终端中每个所述特征的特征值，得到所述终端中每个所述特征的终端最大值和终端最小值；根据所述特征的取值区间得到所述特征的干扰参数，并根据所述特征的终端最大值和2CN113946861A权利要求书2/2页终端最小值以及所述干扰参数得到所述特征对应的特征值对。6.一种信息推荐方法，其特征在于，包括：获取终端的用户行为数据，并将所述终端的用户行为数据输入所述终端的推荐模型中，其中，所述推荐模型是通过如权利要求1‑5中任意一项所述的推荐模型的训练方法得到的；根据所述终端的推荐模型的输出结果，得到所述终端对应的推荐信息。7.一种推荐模型的训练装置，其特征在于，包括：终端密钥生成模块，用于将所有终