公开(公告)号：CN101853470A

公开(公告)日：2010-10-06

申请号：CN201010185859.6

申请日：2010-05-28

Applicant: 浙江大学

Inventor： 邵健 ,  张寅 ,  姚璐 ,  蔡瑞瑜

IPC: G06Q30/00 ,  G06F17/30

Abstract: 本发明公开了一种基于社会化标签的协同过滤方法。包括如下步骤：1)首先使用三部图对用户，物品，社会化标签这三种不同结点进行建模，并应用随机游走(random walk)算法为每个用户个性化推荐top-N个物品；2)为了解决社会化标签稀疏性问题(即物品往往只被很少一部分标签标注)以及由用户主观性因素所带来的噪音，本发明提出使用lasso logistic regression模型去对物品进行标签的扩展，即对每个物品，增加与其语义相关的标签，并且除去那些有噪音的标签；3)调节标签在推荐过程中的权重。本发明所提出的基于社会化标签的协同过滤方法有机结合社会化标签对于物品描述的语义信息，并使用lasso logistic regression模型去对物品进行标签的扩展，解决社会化标签的稀疏性与噪音问题，从而大幅提升个性化推荐系统的精确度和性能。

公开(公告)号：CN102231166A

公开(公告)日：2011-11-02

申请号：CN201110194106.6

申请日：2011-07-12

Applicant: 浙江大学

Inventor： 张寅 ,  邵健 ,  蔡瑞瑜 ,  吴飞

IPC: G06F17/30

Abstract: 本发明公开了一种基于社会上下文约束的协同推荐方法。包括如下步骤：1）首先提取用户物品矩阵，以及社会化关系矩阵。在协同推荐中使用用户对物品的评分矩阵，或使用用户对物品点击次数或者访问关系来定义用户物品矩阵；社会化关系为系统中用户通过某些行为与其它用户之间发生的关系；2）使用带有社会上下文约束的低秩矩阵分解法来对用户物品矩阵进行填充，并使用结果矩阵为每个用户推荐N个物品；3）考虑到不同用户之间存在的差异性，对矩阵分解中社会上下文约束权重进行调整。本发明克服了传统协同过滤推荐算法的推荐信息单一以及用户物品矩阵稀释性导致的推荐结果不准确的问题，并且在推荐结果准确性上比传统的方法有明显的提高。