基于区块链和机器学习的产品推荐方法、装置及存储介质
摘要文本
本发明涉及一种基于区块链和机器学习的产品推荐方法、装置及存储介质,涉及推荐技术领域。本发明利用区块链的不可篡改和隐私保护的特性,结合联邦学习,训练出一个贴合消费者真实消费画像的完整模型并存储到区块链上。在不泄露各电商平台用户数据的情况下与行业产品提供方合作,在本地利用域内的用户数据和区块链上的完整模型,得到符合用户消费水平的目标产品并向行业产品提供方推荐。行业产品提供方通过这种新型的区块链模型,可以弥补客源的不足问题,同时电商平台还没有泄露用户的消费记录,达到双赢的目的。 (更多数据,详见马克数据网)
申请人信息
- 申请人:山东大学
- 申请人地址:250100 山东省济南市历城区山大南路27号
- 发明人: 山东大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于区块链和机器学习的产品推荐方法、装置及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311573019.0 |
| 申请日 | 2023/11/23 |
| 公告号 | CN117522521A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06Q30/0601 |
| 权利人 | 山东大学 |
| 发明人 | 孔兰菊; 崔立真; 黄月; 姚欣慧; 杨鹏宇; 徐海华; 乔靖博 |
| 地址 | 山东省济南市历城区山大南路27号 |
专利主权项内容
1.一种基于区块链和机器学习的产品推荐方法,其特征在于,包括:在行业产品提供方与电商平台之间共建一条联盟链,设置独立于联盟链之外的可信第三方平台,可信第三方平台在本地产生私钥和对应的公钥K;行业产品提供方相互之间归纳自身产品的产品类型,创建产品标签类别并为产品标签类别设置对应的取值范围;行业产品提供方选取设定数量的购买目标产品类型产品的客户群体,并利用第二模型fx得到购买目标产品类型产品的客户群体中每个客户的第二标签梯度数值;利用客户、第二标签类别、第二标签梯度值和相应产品标签类别构建行业产品提供方局部表并上链;行业产品提供方将选取的购买目标产品类型产品的客户群体告知电商平台,电商平台利用第一模型bx得到第一标签梯度数值,利用客户、第一标签类别、第一标签梯度值构建电商局部表并上链;在联盟链中基于智能合约对行业产品提供方局部表和电商局部表的客户特征属性值进行对齐,并构建包含客户全部特征属性和产品标签类别的完整表;利用完整表训练整体模型Cx找到一组第三权重,所述第三权重使得同一产品标签类别的所有客户的特征属性值加权和落在产品标签类别对应的取值范围内;行业产品提供方和电商平台定期将用户以及用户对应的所有特征属性值用公钥K全同态加密,加上自己的数字签名,再发布到区块链上;行业产品提供方在区块链中找到客户的全同态加密数据和模型权重,将全同态加密数据和模型权重加权平均代入完整模型C求产品标签类别取值范围,行业产品提供方首先将同态加密的计算结果以及计算过程使用的行业产品提供方和电商平台的数据发布到区块链中,对应的电商和行业产品提供方会对这个同态加密后的计算结果都施加数字签名,然后行业产品提供方将这个同态加密后的结果连同电商和行业产品提供方的数字签名发送给可信的第三方机构由第三方机构对结果解密,根据解密的产品标签类别取值范围内确定的客户适合购买何种目标产品。