公开(公告)号：CN114741603A

公开(公告)日：2022-07-12

申请号：CN202210437699.2

申请日：2022-04-25

Applicant: 大连理工大学

Inventor： 周宽久 ,  高崧豪 ,  李浚瑀 ,  刘楠

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/2455 ,  G06K9/62 ,  G06Q30/06

Abstract: 一种基于用户聚类和商品聚类的混合协同过滤推荐算法，针对互联网电商平台，设计属性偏好矩阵实现系统推荐冷启动；再对聚类结果进行降噪处理，并引入融合因子α，获取Top‑n推荐集。最后，根据购买记录分析商品间的关联规则和用户对商品属性的偏好权值，获得关联规则推荐集与用户个性化推荐集，结合Top‑n推荐集共同得到用户推荐列表，完成对多维度精准推荐。本发明能够在冷启动阶段没有实际购买数据的情况下，对用户进行较为精准的推荐；并且在聚类中利用双重聚类算法与聚类降噪处理，使推荐算法较传统推荐算法在推荐精准度方面有较大幅度提升，此外本发明利用关联规则分析，结合ID3进行赋权实现对商品间关联规则和用户个性的推荐，推荐结果更加科学、全面。

公开(公告)号：CN114741603B

公开(公告)日：2025-05-13

申请号：CN202210437699.2

申请日：2022-04-25

Applicant: 大连理工大学

Inventor： 周宽久 ,  高崧豪 ,  李浚瑀 ,  刘楠

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/2455 ,  G06F18/23213 ,  G06Q30/06

Abstract: 一种基于用户聚类和商品聚类的混合协同过滤推荐算法，针对互联网电商平台，设计属性偏好矩阵实现系统推荐冷启动；再对聚类结果进行降噪处理，并引入融合因子α，获取Top‑n推荐集。最后，根据购买记录分析商品间的关联规则和用户对商品属性的偏好权值，获得关联规则推荐集与用户个性化推荐集，结合Top‑n推荐集共同得到用户推荐列表，完成对多维度精准推荐。本发明能够在冷启动阶段没有实际购买数据的情况下，对用户进行较为精准的推荐；并且在聚类中利用双重聚类算法与聚类降噪处理，使推荐算法较传统推荐算法在推荐精准度方面有较大幅度提升，此外本发明利用关联规则分析，结合ID3进行赋权实现对商品间关联规则和用户个性的推荐，推荐结果更加科学、全面。

公开(公告)号：CN113094633A

公开(公告)日：2021-07-09

申请号：CN202110429517.2

申请日：2021-04-21

Applicant: 大连理工大学

Inventor： 周宽久 ,  李一聪 ,  王梓仲 ,  李浚瑀 ,  王洁

IPC: G06F17/10 ,  G06F21/64

Abstract: 本发明提供了一种基于标量等式内积的高效范围证明方法，利用范围区间和证明值构造单一的范围等式并计算出范围标量；将范围等式和范围标量分别拆分为固定长度的内积；采用Pedersen向量承诺封装范围标量、聚合内积和盲化因子；计算聚合内积多项式，并计算零次项系数表达式；生成聚合多项式系数承诺，并产生内积范围证据集；发送证据集至智能合约端，验证内积等式及聚合多项式证据，完成证明过程。本发明同时基于多项式拆分思想以标量等式的形式代表范围区间，并以此构造恒定长度的内积，使计算时间恒定，使用标量等式内积的合法性验证代替数值内积的合法性验证，在实现灵活范围证明的同时，消除链下计算安全威胁；优化运算时间。