公开(公告)号：CN107506419B

公开(公告)日：2020-08-04

申请号：CN201710704380.0

申请日：2017-08-16

Applicant: 桂林电子科技大学

Inventor： 蔡国永 ,  顾伟东

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F40/30

Abstract: 本发明公开了一种基于异质上下文感知的推荐方法，其特征在于，包括如下步骤：1）：获取用户‑项目的评分矩阵、交互上下文信息和属性上下文信息；2）：基于张量分解技术构建交互上下文评分预测函数和交互上下文感知模型；3）：基于矩阵分解技术构建属性上下文评分预测函数和属性上下文感知模型；4）：交互上下文感知模型和属性上下文感知模型进行半监督协同训练；5）：交互上下文感知模型和属性上下文感知模型进行权值融合评分，然后根据评分进行推荐。本发明不仅能够感知属性上下文信息和交互上下文信息对推荐的影响，而且能够缓解推荐系统的数据稀疏性问题，提升推荐的准确率。

公开(公告)号：CN107506419A

公开(公告)日：2017-12-22

申请号：CN201710704380.0

申请日：2017-08-16

Applicant: 桂林电子科技大学

Inventor： 蔡国永 ,  顾伟东

IPC: G06F17/30 ,  G06F17/27

Abstract: 本发明公开了一种基于异质上下文感知的推荐方法，其特征在于，包括如下步骤：1）：获取用户-项目的评分矩阵、交互上下文信息和属性上下文信息；2）：基于张量分解技术构建交互上下文评分预测函数和交互上下文感知模型；3）：基于矩阵分解技术构建属性上下文评分预测函数和属性上下文感知模型；4）：交互上下文感知模型和属性上下文感知模型进行半监督协同训练；5）：交互上下文感知模型和属性上下文感知模型进行权值融合评分，然后根据评分进行推荐。本发明不仅能够感知属性上下文信息和交互上下文信息对推荐的影响，而且能够缓解推荐系统的数据稀疏性问题，提升推荐的准确率。