一种基于联邦学习的多域推荐方法及系统

本发明提供一种基于联邦学习的多域推荐方法及系统，方法：通过矩阵分解方法获得整体数据空间中每个空间的用户向量和物品向量；用户领域空间将用户向量和用户向量对应领域的域向量传输至门控网络，门控网络的输出与用户向量进行结合得到用户领域向量；用户公共空间汇总用户领域向量并形成用户的全局向量；将用户的全局向量发送至用户领域空间，经过若干层线性层形成用户的兴趣向量，并将其上传至领域空间；领域空间基于用户的兴趣向量与物品向量进行反向传播，更新模型参数，在模型收敛后输出用户的兴趣向量，为用户进行推荐。本发明在保证消费者的历史数据和隐私数据安全的前提下，提高了给消费者推荐商品的精确度，提升了消费者的用户体验。