基于属性表征学习的联邦推荐冷启动方法、系统及介质

本发明公开了基于属性表征学习的联邦推荐冷启动方法、系统及介质，涉及人工智能技术领域，将用户表征和冷商品的属性信息输入到已训练完成的联邦推荐模型中，输出用户对冷商品的偏好概率；所述联邦推荐模型的训练过程如下：基于所获取的热商品构建训练数据集；在当前训练轮次中，各客户端将用户表征和本地热商品表征输入到评分模型进行训练；所有客户端将当前训练轮次得到的更新后本地热商品表征上传到服务器端中，据以获取服务器端反馈的全局热商品表征和通用热商品表征，下一训练轮次中，将全局热商品表征作为客户端的本地热商品表征；该联邦推荐冷启动方法、系统及介质，有效解决联邦推荐场景中的冷启动问题。