-
公开(公告)号：CN111506830B
公开(公告)日：2022-08-09
申请号：CN202010274425.7
申请日：2020-04-09
Applicant: 中南大学
IPC: G06F16/9536 , G06K9/62
Abstract: 本发明提供了一种融合社交信任影响力的协同过滤推荐算法，包括：步骤1，对用户对项目的评分矩阵数据进行预处理，填充删除不必要的数据，根据用户的评分来计算用户之间的相似度；步骤2，计算出用户的邻居用户集合；步骤3，根据用户对项目的评分矩阵数据计算出用户j对用户i的正确推荐个数、用户之间的局部信任度、每个用户的全局信任度。本发明通过充分挖掘稀疏的用户评分信息，构建隐式信任网络，通过评分数据计算出局部信任度和全局信任度，并通过将局部信任度和全局信任度结合得到隐式信任度，对于用户之间信任数据，考虑到了用户的信任传播，有效的扩充了用户的显示信任关系，缓解了评分矩阵数据稀疏和用户冷启动的问题。
-
Patent Agency Ranking
公开(公告)号：CN111506830A
公开(公告)日：2020-08-07
申请号：CN202010274425.7
申请日：2020-04-09
Applicant: 中南大学
IPC: G06F16/9536 , G06K9/62
Abstract: 本发明提供了一种融合社交信任影响力的协同过滤推荐算法，包括：步骤1，对用户对项目的评分矩阵数据进行预处理，填充删除不必要的数据，根据用户的评分来计算用户之间的相似度；步骤2，计算出用户的邻居用户集合；步骤3，根据用户对项目的评分矩阵数据计算出用户j对用户i的正确推荐个数、用户之间的局部信任度、每个用户的全局信任度。本发明通过充分挖掘稀疏的用户评分信息，构建隐式信任网络，通过评分数据计算出局部信任度和全局信任度，并通过将局部信任度和全局信任度结合得到隐式信任度，对于用户之间信任数据，考虑到了用户的信任传播，有效的扩充了用户的显示信任关系，缓解了评分矩阵数据稀疏和用户冷启动的问题。
-
公开(公告)号：CN111523575A
公开(公告)日：2020-08-11
申请号：CN202010284993.5
申请日：2020-04-13
Applicant: 中南大学
IPC: G06K9/62 , G06N20/00 , G06F16/9535 , G06F16/735
Abstract: 本发明提供了一种基于短视频多模态特征的短视频推荐模型，包括：步骤1，对短视频标题特征，使用TF‑IDF方法进行特征提取，使用PCA降维算法将短视频标题特征向量维度降维到k维；步骤2，提取短视频内容的128维原始特征，使用PCA降维算法将短视频内容特征向量维度降维到k维；步骤3，提取短视频背景音乐的128维原始特征，使用PCA降维算法将短视频背景音乐特征向量维度降维到k维。本发明考虑到不同模态的特征数据对用户产生的用户行为的影响效果是不同的，并利用隐马尔可夫模型去学习短视频的不同模态数据对于用户的影响比重，基于影响比重将短视频的多模态特征映射到统一向量空间进行融合，获得用多模态数据特征表示的短视频特征数据。
-
公开(公告)号：CN111460318A
公开(公告)日：2020-07-28
申请号：CN202010240429.3
申请日：2020-03-31
Applicant: 中南大学
IPC: G06F16/9536 , G06N20/00
Abstract: 本发明提供了一种基于显性和隐性信任的协同过滤推荐方法，包括：根据用户物品评分矩阵R，计算用户u对用户v进行预测评分时的准确性；计算用户u对用户v的依赖程度；根据准确性和依赖程度，计算用户u对用户v的隐性信任度；根据隐性信任度对用户物品评分矩阵R进行填充；计算用户u对物品的评分置信度；根据评分置信度和填充处理后的用户物品评分矩阵，计算用户u对用户v之间的相似性；计算用户u的全局信任度，以及用户u对用户v的局部信任度；根据全局信任度和局部信任度，计算用户u对用户v的最终信任度；修正用户u的潜在特征用户矩阵；根据潜在用户特征矩阵，预测用户u对物品i的评分。本发明能解决由于信息过载导致的数据稀疏和用户冷启动问题，提高推荐准确性。
-
公开(公告)号：CN111523575B
公开(公告)日：2023-12-12
申请号：CN202010284993.5
申请日：2020-04-13
Applicant: 中南大学
IPC: G06F18/214 , G06F18/213 , G06N20/00 , G06F16/9535 , G06F16/735
Abstract: 本发明提供了一种基于短视频多模态特征的短视频推荐模型，包括：步骤1，对短视频标题特征，使用TF‑IDF方法进行特征提取，使用PCA降维算法将短视频标题特征向量维度降维到k维；步骤2，提取短视频内容的128维原始特征，使用PCA降维算法将短视频内容特征向量维度降维到k维；步骤3，提取短视频背景音乐的128维原始特征，使用PCA降维算法将短视频背景音乐特征向量维度降维到k维。本发明考虑到不同模态的特征数据对用户产生的用户行为的影响效果是不同的，并利用隐马尔可夫模型去学习短视频的不同模态数据对于用户的影响比重，基于影响比重将短视频的多模态特征映射到统一向量空间进行融合，获得用多模态数据特征表示的短视频特
-
公开(公告)号：CN111460318B
公开(公告)日：2022-09-30
申请号：CN202010240429.3
申请日：2020-03-31
Applicant: 中南大学
IPC: G06F16/9536 , G06N20/00
Abstract: 本发明提供了一种基于显性和隐性信任的协同过滤推荐方法，包括：根据用户物品评分矩阵R，计算用户u对用户v进行预测评分时的准确性；计算用户u对用户v的依赖程度；根据准确性和依赖程度，计算用户u对用户v的隐性信任度；根据隐性信任度对用户物品评分矩阵R进行填充；计算用户u对物品的评分置信度；根据评分置信度和填充处理后的用户物品评分矩阵，计算用户u对用户v之间的相似性；计算用户u的全局信任度，以及用户u对用户v的局部信任度；根据全局信任度和局部信任度，计算用户u对用户v的最终信任度；修正用户u的潜在特征用户矩阵；根据潜在用户特征矩阵，预测用户u对物品i的评分。本发明能解决由于信息过载导致的数据稀疏和用户冷启动问题，提高推荐准确性。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
