公开(公告)号：CN119167120B

公开(公告)日：2025-03-11

申请号：CN202411670524.1

申请日：2024-11-21

Applicant: 南京财经大学

Inventor： 马福民 ,  林峰 ,  黄健 ,  丁晓剑 ,  王凯翔

IPC: G06F18/23 ,  G06F18/213 ,  G06F16/9535

Abstract: 本发明属于个性化推荐技术领域，公开了一种满足个性化推荐需求的跨尺度聚类方法，其综合考虑数据自身的尺度特征和用户个性化需求，首先通过基于多尺度因子的单链接层次聚类，挖掘数据属性特征的潜在分布规律，实现各属性的尺度划分并构建多尺度信息表；然后结合数据属性尺度的变换体现用户对不同属性的重视程度，在非均匀网格划分的基础上，实现微观和宏观相结合的跨尺度聚类，并依聚类结果获得更加贴近用户需求的个性化推荐方案。本发明不仅考虑了数据自身尺度特征对个性化推荐的影响，而且将用户需求作为个性化推荐的因素之一，其具有严格的理论基础，通用性强、便于灵活运用。

公开(公告)号：CN119167120A

公开(公告)日：2024-12-20

申请号：CN202411670524.1

申请日：2024-11-21

Applicant: 南京财经大学

Inventor： 马福民 ,  林峰 ,  黄健 ,  丁晓剑 ,  王凯翔

IPC: G06F18/23 ,  G06F18/213 ,  G06F16/9535

Abstract: 本发明属于个性化推荐技术领域，公开了一种满足个性化推荐需求的跨尺度聚类方法，其综合考虑数据自身的尺度特征和用户个性化需求，首先通过基于多尺度因子的单链接层次聚类，挖掘数据属性特征的潜在分布规律，实现各属性的尺度划分并构建多尺度信息表；然后结合数据属性尺度的变换体现用户对不同属性的重视程度，在非均匀网格划分的基础上，实现微观和宏观相结合的跨尺度聚类，并依聚类结果获得更加贴近用户需求的个性化推荐方案。本发明不仅考虑了数据自身尺度特征对个性化推荐的影响，而且将用户需求作为个性化推荐的因素之一，其具有严格的理论基础，通用性强、便于灵活运用。