基于联邦学习的跨平台商品推荐方法及相关设备

本发明提供一种基于联邦学习的跨平台商品推荐方法，包括：将待更新全局推荐模型分发到N个目标平台，待更新全局推荐模型包括用户特征矩阵以及商品特征矩阵；接收N个目标平台返回的模型更新参数，模型更新参数为目标平台使用本地的用户行为数据对待更新全局推荐模型进行训练得到，用户行为数据包括用户针对商品的行为数据；基于N个目标平台返回的模型更新参数，结合N个目标平台的用户行为数据量以及硬件环境参数，对待更新全局推荐模型进行更新，得到更新后的全局推荐模型；响应于来自请求平台的推荐请求，使用更新后的全局推荐模型为请求平台生成推荐结果。本发明解决了现有商品推荐方法存在用户信息容易泄露，无法实现跨域推荐服务的问题。