公开(公告)号：CN110162706A

公开(公告)日：2019-08-23

申请号：CN201910431441.X

申请日：2019-05-22

Applicant: 南京邮电大学

Inventor： 刘尚东 ,  李可 ,  季一木 ,  朱林超 ,  刘艳兰 ,  刘强 ,  许正阳 ,  尧海昌 ,  李奎

IPC: G06F16/9535 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于交互数据聚类的个性化推荐方法及系统，包括构建用户项目交互特征矩阵、构建用户历史行为矩阵、使用分类器对交互矩阵P进行分类、相似用户聚类、邻近项目选择、神经网络训练、个性化推荐，本发明将用户对项目的浏览记录、用户搜索记录等历史信息与用户个人信息拼接构造用户特征，使用聚类算法对用户特征进行聚类，并在此基础上对特定用户进行个性化推荐，改进了传统矩阵分解模型的性能，将矩阵分解与多层感知机结合，对用户项目间的关系进行学习预测。提升了大数据环境下推荐的精度。

公开(公告)号：CN110162706B

公开(公告)日：2021-10-26

申请号：CN201910431441.X

申请日：2019-05-22

Applicant: 南京邮电大学

Inventor： 刘尚东 ,  李可 ,  季一木 ,  朱林超 ,  刘艳兰 ,  刘强 ,  许正阳 ,  尧海昌 ,  李奎

IPC: G06F16/9535 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于交互数据聚类的个性化推荐方法及系统，包括构建用户项目交互特征矩阵、构建用户历史行为矩阵、使用分类器对交互矩阵P进行分类、相似用户聚类、邻近项目选择、神经网络训练、个性化推荐，本发明将用户对项目的浏览记录、用户搜索记录等历史信息与用户个人信息拼接构造用户特征，使用聚类算法对用户特征进行聚类，并在此基础上对特定用户进行个性化推荐，改进了传统矩阵分解模型的性能，将矩阵分解与多层感知机结合，对用户项目间的关系进行学习预测。提升了大数据环境下推荐的精度。