公开(公告)号：CN105373597B

公开(公告)日：2016-11-09

申请号：CN201510705659.1

申请日：2015-10-27

Applicant: 华侨大学

Inventor： 王成 ,  陈维斌 ,  苏芳芳 ,  文诗琪 ,  王田 ,  钟必能 ,  陈叶旺

IPC: G06F17/30 ,  G06K9/62

Abstract: 本发明涉及一种基于k‑medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法，采用如下步骤：A、采用最小化最大相似度准则确定K个初始聚类中心；B、根据相似度和最大的k‑medoids聚类算法对项目进行聚类；C、在聚类基础上，寻找用户局部最近邻；D、将用户全局最近邻与局部最近邻以相似度和之比作为权值进行融合，根据用户全局最近邻与局部最近邻对项目的评分预测用户对项目的评分。本发明同现有技术相比，更大限度地利用了已有的数据，缓解了数据极端稀疏性对推荐的影响，同时提高了评分预测的精度，为用户提供更好的推荐结果。

公开(公告)号：CN106096718A

公开(公告)日：2016-11-09

申请号：CN201610395724.X

申请日：2016-06-06

Applicant: 华侨大学

Inventor： 王成 ,  文诗琪 ,  苏芳芳 ,  郭俊杰 ,  陈维斌 ,  陈叶旺 ,  赖雄鸣 ,  钟必能 ,  蔡奕侨 ,  张惠臻

IPC: G06N3/00

CPC classification number: G06N3/006

Abstract: 本发明公开了一种归一化粒子群随机优化算法(PSO)以及6种归一化加权协同过滤推荐方法。本发明公开的归一化PSO随机优化算法通过吸引子和空间缩放，确定单个粒子的最优位置和群体的最优位置。用于求解最优化问题时，其解满足归一化约束，吸引子是算法的稳定点，算法在围绕该点做螺旋运动，故使用吸引子作为缩放中心使得算法避免粒子越界和早熟的缺点，更容易寻找到全局最优点。本发明公开的6种归一化加权协同过滤推荐方法通过对用户或项目进行归一化加权，并以平均绝对误差(MAE)最小为优化目标和适应度函数，使用归一化PSO随机优化算法求解用户和项目的最优归一化权值，从而达到减少预测评分误差，提高预测评分精度的目的。

公开(公告)号：CN105373597A

公开(公告)日：2016-03-02

申请号：CN201510705659.1

申请日：2015-10-27

Applicant: 华侨大学

Inventor： 王成 ,  陈维斌 ,  苏芳芳 ,  文诗琪 ,  王田 ,  钟必能 ,  陈叶旺

IPC: G06F17/30 ,  G06K9/62

CPC classification number: G06F17/30867 ,  G06K9/6218

Abstract: 本发明涉及一种基于k-medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法，采用如下步骤：A、采用最小化最大相似度准则确定K个初始聚类中心；B、根据相似度和最大的k-medoids聚类算法对项目进行聚类；C、在聚类基础上，寻找用户局部最近邻；D、将用户全局最近邻与局部最近邻以相似度和之比作为权值进行融合，根据用户全局最近邻与局部最近邻对项目的评分预测用户对项目的评分。本发明同现有技术相比，更大限度地利用了已有的数据，缓解了数据极端稀疏性对推荐的影响，同时提高了评分预测的精度，为用户提供更好的推荐结果。