一种基于激励机制的分布式SLB服务推荐方法及系统

1.一种基于激励机制的分布式SLB服务推荐方法，其特征在于，所述方法包括以下步骤：获取客户端数据并构建分布式随机线性老虎机模型，通过岭回归估计算法进行求解，确定客户端的上传数据量；确定激励成本并根据所述客户端的上传数据量构建协作比例关系式，确定客户端参与者集合；确定边际成本，服务器根据所述边际成本为所述客户端参与者集合中的客户端发放激励，获取客户端的上传数据，得到分布式随机线性老虎机服务推荐结果；其中，所述获取客户端数据并构建分布式随机线性老虎机模型，通过岭回归估计算法进行求解，确定客户端的上传数据量，包括：获取客户端数据，并确定所述客户端数据的历史动作信息与所述客户端数据的历史奖励信息；根据所述客户端数据的历史动作信息构建协方差矩阵并根据所述客户端数据的历史动作信息与历史奖励信息构建奖励向量；根据所述协方差矩阵与所述奖励向量构建分布式随机线性老虎机模型，并通过岭回归估计算法进行估计，得到分布式随机线性老虎机模型估计结果；基于乐观策略，选取所述分布式随机线性老虎机模型估计结果的奖励置信上界最高的动作，并获取对应的奖励，作为客户端的上传数据，记录得到所述客户端的上传数据量；所述确定激励成本并根据所述客户端的上传数据量构建协作比例关系式，确定客户端参与者集合，包括：根据所述客户端的上传数据量构建协作比例关系式；确定所述客户端的激励成本并进行升序排序，得到排序后的客户端激励成本；设置阈值比率，将所述排序后的客户端激励成本依次将满足所述协作比例关系式对应的客户端划分为所述客户端参与者集合；通信触发条件的表达式具体如下所示： ；上式中， 表示从上一次通信到当前轮次通信经过的时间， 表示判别阈值， 表示包含上传数据的协方差矩阵， 表示第一类数据的协方差矩阵。 2.根据权利要求1所述的方法，其特征在于，所述客户端数据包括第一类数据、第二类数据与第三类数据，其中：所述第一类数据表示客户端在上一次数据服务通信后新增的本地数据，若所述新增的本地数据具有激励，则聚合为第三类数据，若所述新增的本地数据不具有激励，则聚合为第二类数据；所述第二类数据表示未上传进行参与数据服务通信的本地数据；所述第三类数据表示用于进行参与数据服务通信的同步数据。 3.根据权利要求1所述的方法，其特征在于，所述协作比例关系式的表达式具体如下所示： ；上式中， 表示协作比例参数， 表示累积的参与协作的样本数量， 表示当前系统中总的样本数量， 表示阈值比率。 4.根据权利要求2所述的方法，其特征在于，所述确定边际成本，服务器根据所述边际成本为所述客户端参与者集合中的客户端发放激励，获取客户端的上传数据，得到分布式随机线性老虎机服务推荐结果，包括：根据所述客户端的自定义上报成本确定边际成本；根据数据真实成本与所述自定义上报成本，对所述客户端进行划分处理，得到恶意客户端与诚实客户端；根据所述客户端的上传数据量的协方差矩阵，设定通信触发条件；基于所述通信触发条件，根据所述边际成本对所述恶意客户端与所述诚实客户端进行发放激励；若所述恶意客户端与所述诚实客户端被选中进行通信，则将所述新增的本地数据对应的所述协方差矩阵与所述奖励向量上传至服务器进行数据通信聚合，得到第一服务推荐结果；若所述恶意客户端与所述诚实客户端未被选中进行通信，则将所述新增的本地数据对应的所述协方差矩阵与所述奖励向量进行本地数据聚合，得到第二服务推荐结果；结合所述第一服务推荐结果与所述第二服务推荐结果，得到所述分布式随机线性老虎机服务推荐结果。 5.根据权利要求4所述的方法，其特征在于，所述边际成本的计算方式为保持其余客户端的所述自定义上报成本不变，假设被选中客户端的自定义上报成本发生变化，依次变化为每个未被选中的客户端的自定义上报成本，重复确定客户端参与者集合，使得被选中客户端不会被服务器选择的最小的自定义上报成本为所述边际成本。 6.根据权利要求4所述的方法，其特征在于，所述根据所述边际成本对所述恶意客户端与所述诚实客户端进行发放激励，包括：对于所述诚实客户端，若所述自定义上报成本小于所述边际成本，则所述诚实客户端被选中进行数据服务通信并得到所述激励，若所述自定义上报成本大于所述边际成本，则所述诚实客户端未被选中进行数据服务通信并无法得到所述激励；对于所述恶意客户端，若所述自定义上报成本小于所述数据真实成本小于所述边际成本或者所述数据真实成本小于所述自定义上报成本小于所述边际成本又或者所述自定义上报成本小于所述边际成本小于等于所述数据真实成本，则所述恶意客户端被选中进行数据服务通信并得到所述激励，若所述数据真实成本小于所述边际成本小于等于所述自定义上报成本或者所述边际成本小于所述自定义上报成本小于等于所述数据真实成本又或者所述边际成本小于所述数据真实成本小于等于所述自定义上报成本，则所述恶意客户端未被选中进行数据服务通信并无法得到所述激励。 7.一种基于激励机制的分布式SLB服务推荐系统，其特征在于，所述系统包括：第一模块，用于获取客户端数据并构建分布式随机线性老虎机模型，通过岭回归估计算法进行求解，确定客户端的上传数据量；第二模块，用于确定激励成本并根据所述客户端的上传数据量构建协作比例关系式，确定客户端参与者集合；第三模块，用于确定边际成本，服务器根据所述边际成本为所述客户端参与者集合中的客户端发放激励，获取客户端的上传数据，得到分布式随机线性老虎机服务推荐结果；其中，所述获取客户端数据并构建分布式随机线性老虎机模型，通过岭回归估计算法进行求解，确定客户端的上传数据量，包括：获取客户端数据，并确定所述客户端数据的历史动作信息与所述客户端数据的历史奖励信息；根据所述客户端数据的历史动作信息构建协方差矩阵并根据所述客户端数据的历史动作信息与历史奖励信息构建奖励向量；根据所述协方差矩阵与所述奖励向量构建分布式随机线性老虎机模型，并通过岭回归估计算法进行估计，得到分布式随机线性老虎机模型估计结果；基于乐观策略，选取所述分布式随机线性老虎机模型估计结果的奖励置信上界最高的动作，并获取对应的奖励，作为客户端的上传数据，记录得到所述客户端的上传数据量；所述确定激励成本并根据所述客户端的上传数据量构建协作比例关系式，确定客户端参与者集合，包括：根据所述客户端的上传数据量构建协作比例关系式；确定所述客户端的激励成本并进行升序排序，得到排序后的客户端激励成本；设置阈值比率，将所述排序后的客户端激励成本依次将满足所述协作比例关系式对应的客户端划分为所述客户端参与者集合；通信触发条件的表达式具体如下所示： ；上式中， 表示从上一次通信到当前轮次通信经过的时间， 表示判别阈值， 表示包含上传数据的协方差矩阵， 表示第一类数据的协方差矩阵。