一种基于多视图聚类与漂移补偿的个性化用户画像群体发现方法

    公开(公告)号:CN119884803A

    公开(公告)日:2025-04-25

    申请号:CN202510074078.6

    申请日:2025-01-17

    Applicant: 湖南大学

    Abstract: 本发明提供一种结合多核学习与矩阵分解的多视图聚类方法,并将其应用于推荐系统中的个性化用户画像群体发现。针对初始多视图的各用户数据,通过核函数映射得到多个核矩阵,通过矩阵分解的形式学到一个共同的低维嵌入,在该共识嵌入上实施聚类算法,获得初始用户群发现结果。随着时间推移,模型中部分用户可能出现兴趣偏移,或者有新用户的加入,针对此,模型基于原始用户群赋予其聚类特征(CF)向量,少数特征向量即可表示大量用户,进而在出现模型漂移时实时更新特征向量,以获得漂移补偿后的用户画像群体。整个模型能够做到实时的用户画像群体发现,实现推荐系统的精准推送。

    一种结合信息粒融合和证据推理的蛋白质聚类方法

    公开(公告)号:CN115512771A

    公开(公告)日:2022-12-23

    申请号:CN202211190889.5

    申请日:2022-09-28

    Applicant: 湖南大学

    Abstract: 本发明提供一种结合信息粒融合和证据推理的蛋白质聚类方法,通过将细胞中的蛋白质序列数据的信息粒化,基于相交关系进行蛋白质序列数据的信息粒融合,基于密度传播进行蛋白质序列数据的粒簇融合,基于距离进行蛋白质序列数据的粒群融合,计算稳定样本的证据值,计算不稳定样本的证据值,根据证据值分配蛋白质序列样本所属类别,提高蛋白质亚细胞定位预测的准确度,从而便于生物信息学家对各亚细胞结构中的特定蛋白质进行判断或设计、或对蛋白质的功能进行预测。

Patent Agency Ranking