公开(公告)号：CN108415943A

公开(公告)日：2018-08-17

申请号：CN201810088935.8

申请日：2018-01-30

Applicant: 南京邮电大学

Inventor： 薛启东 ,  施沈池 ,  王玉峰

IPC: G06F17/30

CPC classification number: G06F16/9535

Abstract: 本发明公开了一种基于局部低秩矩阵的个性化推荐方法首先读取数据，处理数据得到评分矩阵，对评分矩阵随机选取q个元素作为锚点在每一个锚点近邻空间内计算一个低秩矩阵，形成q个低秩矩阵，然后通过线性方法组合起来形成最后的近似评分矩阵，接着，分别进行评分系统属性的计算、用户属性的计算、和物品属性的计算，最后，基于计算进行个性化推荐。本发明在原有的局部低秩矩阵方法的基础上加上用户、物品以及评分系统的因素，从而使得推荐结果又更高的准确性，并且相较于原有的矩阵分解的方法，更加精确。

公开(公告)号：CN108334592A

公开(公告)日：2018-07-27

申请号：CN201810088955.5

申请日：2018-01-30

Applicant: 南京邮电大学

Inventor： 施沈池 ,  蒋琳 ,  王玉峰

IPC: G06F17/30 ,  G06K9/62

Abstract: 本发明公开了一种基于内容与协同过滤相结合的个性化推荐方法，分为训练和个性化推荐两个阶段：训练阶段通过采集数据信息形成已有用户-新物品预推荐矩阵，个性化推荐阶段完成对新用户的物品推荐及用户产生评分后的进一步推荐。本发明相比于传统的个性化推荐方法能够解决冷启动问题，对新加入的物品进行预测，推荐给用户，在预推荐之后使用协同过滤推荐，提高了推荐物品的多样性和准确度。并且，通过聚类算法生成虚拟用户大大降低了矩阵维数，同时降低了计算的复杂度。

公开(公告)号：CN108334592B

公开(公告)日：2021-11-02

申请号：CN201810088955.5

申请日：2018-01-30

Applicant: 南京邮电大学

Inventor： 施沈池 ,  蒋琳 ,  王玉峰

IPC: G06F16/9536 ,  G06K9/62

Abstract: 本发明公开了一种基于内容与协同过滤相结合的个性化推荐方法，分为训练和个性化推荐两个阶段：训练阶段通过采集数据信息形成已有用户‑新物品预推荐矩阵，个性化推荐阶段完成对新用户的物品推荐及用户产生评分后的进一步推荐。本发明相比于传统的个性化推荐方法能够解决冷启动问题，对新加入的物品进行预测，推荐给用户，在预推荐之后使用协同过滤推荐，提高了推荐物品的多样性和准确度。并且，通过聚类算法生成虚拟用户大大降低了矩阵维数，同时降低了计算的复杂度。