(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210529080.4 (22)申请日 2022.05.16 (71)申请人 深圳市万物云科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 吴远津　起亚·伊曼纽尔通格姆 　 王俊宜　袁戟　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 丁宇龙 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/958(2019.01) G06F 21/62(2013.01) G06N 20/00(2019.01) (54)发明名称 一种基于联邦学习的服务推荐 方法、 装置及 相关介质 (57)摘要 本发明公开了一种基于联邦学习的服务推 荐方法、 装置及相关介质， 该方法包括： 获取电商 平台和线下社区的服务信息， 并对 所述服务信息 进行数据处理， 得到服务数据集； 对所述服务数 据集进行特征选择， 得到对应的目标特征； 将所 述目标特征输入至联邦学习SecureBoost算法 中， 并将所述联邦学习SecureBoost算法的输出 结果作为服务推荐结果。 本发明通过经过特征训 练后的联邦学习算法为用户预测服务推荐， 能够 在提高服务推荐精准度的同时保障用户隐私安 全。 权利要求书3页 说明书9页 附图2页 CN 114625977 A 2022.06.14 CN 114625977 A 1.一种基于联邦学习的服 务推荐方法， 其特 征在于， 包括： 获取电商平台和线下社区的服务信息， 并对所述服务信息进行数据处理， 得到服务数 据集； 对所述服务数据集进行 特征选择， 得到对应的目标 特征； 将所述目标特征输入至联邦学习SecureB oost算法中， 并将所述联邦学习S ecureBoost 算法的输出 结果作为 服务推荐结果。 2.根据权利要求1所述的基于联邦学习的服务推荐方法， 其特征在于， 所述获取电商平 台和线下 社区的服 务信息， 并对所述 服务信息进行 数据处理， 得到服 务数据集， 包括： 按照下式， 采用Z ‑score方法对所述服务信息中的最低价格和最高价格分别进行异常 值检测： Z= （x‑xm） /s 式中， x表示最低价格或者最高价格， xm表示最低价格的平均值或者最高价格的平均值， s表示所有最低价格的标准差或者所有最高价格的标准差， Z表示标准分数， 且若Z的绝对值 大于预设 分数值， 则将对应的最低价格或者 最高价格判定为异常值； 将检测到的异常值剔除， 并对所述 服务信息进行缺失值检测； 当检测到缺失值时， 采用均值 填充法填充所述 缺失值； 获取所述服务信息中的字符型 特征， 并将所述字符型 特征转换为数字型 特征。 3.根据权利要求1所述的基于联邦学习的服务推荐方法， 其特征在于， 所述对所述服务 数据集进行 特征选择， 得到对应的目标 特征， 包括： 基于所述 服务信息创建标签列； 根据所述服务数据集中的地址信息生成对应的地址特征； 其中， 所述地址特征包括城 市特征、 区域特 征、 街道特 征、 社区特 征、 房屋特 征； 结合所述地址特征， 通过fe ature_selection库的SelectKBest算法计算所述服务数据 集中的各 特征与所述标签列的相关系数； 选取相关系数最高的前N个作为所述目标 特征。 4.根据权利要求1所述的基于联邦学习的服务推荐方法， 其特征在于， 所述将所述目标 特征输入至联邦学习SecureBoost算法中， 并将所述联邦学习SecureBoost算法的输出结果 作为服务推荐结果， 包括： 按照下式， 对所述联邦学习SecureBo ost算法进行优化更新： 式中， L表示损失函数， i表示第i个分裂点， n表示分裂点的数量， 表示所述目标 特征， gi和hi分别表示所述目标特征的一阶导数和二阶导数， 表示目标 特征的正则 项； 其中：权　利　要　求　书 1/3 页 2 CN 114625977 A 2式中， i、 j 分别代表不同的分裂点， yi代表i分裂点的目标函数， 代表i分裂点 在t‑1时刻的目标函数的导数， RT 代表权重矩阵， Rd代表叶子序列矩阵， w表示叶子权重， q表 示对应叶子上的样本序列， T表示叶子数， 代表正则化系数， R代表矩阵， Wj代表j分裂点的 权重。 5.根据权利要求 4所述的基于联邦学习的服 务推荐方法， 其特 征在于， 还 包括： 按照下式计算叶子节点的分裂点的最大信息增益Gai n： 式中， GL、 HL分别表示所有左分裂点的一阶聚合梯度和二阶聚合梯度； GR、 HR分别表示所 有右分裂点的一阶聚合梯度和二阶聚合梯度； 表示新增分裂点的复杂度， Gj、 Hj分别表 示一阶分裂聚合梯度和二阶分裂聚合梯度。 6.根据权利要求5所述的基于联邦学习的服 务推荐方法， 其特 征在于， 还 包括： 按照下式， 对所述 一阶分裂聚合梯度Gj和二阶分裂聚合梯度Hj进行加性同态加密处 理： 式中， Ij表示所有分裂点的集 合。 7.根据权利要求6所述的基于联邦学习的服务推荐方法， 其特征在于， 所述将所述目标 特征输入至联邦学习SecureBoost算法中， 并将所述联邦学习SecureBoost算法的输出结果 作为服务推荐结果， 还 包括： 基于加性同态加密处理后的分裂点， 选取得到社区最佳分裂点， 并根据所述社区最佳 分裂点， 选取电商平台的全局最优分裂， 并作为 最终的服 务推荐结果输出。权　利　要　求　书 2/3 页 3 CN 114625977 A 3