-
Patent Agency Ranking
公开(公告)号：CN112115359B
公开(公告)日：2023-10-31
申请号：CN202010974301.X
申请日：2020-09-16
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601
Abstract: 本发明公开了一种基于多阶近邻预测的推荐系统及方法，该系统包括：用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；相似度计算模块，用于计算任意两个用户之间的相似度；迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。本发明基于多阶近邻预测的推荐系统及方法采用迭代查找的思想，使得该推荐系统和方法的预测评分更准确，有效性更高。
-
公开(公告)号：CN112862206B
公开(公告)日：2023-03-24
申请号：CN202110230106.0
申请日：2021-03-02
Applicant: 苏州大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q30/0601
Abstract: 本发明涉及一种基于子空间划分的推荐方法及系统，方法包括输入用户对物品的评分数据；根据评分数据将物品划分至子空间；在每个子空间中，分别计算用户之间的共同评分支持度，融合每个子空间的共同评分支持度得到总共同评分支持度，根据总共同评分支持度筛选出近邻集；根据近邻集获取目标用户对物品的评分预测值，并根据评分预测值向目标用户推荐物品。本发明子空间的划分使得每个评分子空间中的评分值相近，因此可以忽略每个子空间中用户对物品的具体评分值，只要分析用户在每个子空间上的评分行为即可，能够显著降低推荐系统的计算复杂度，提高推荐的速度和准确度，推荐性能高，而且更好地衡量用户之间的相关性，能够适应海量且稀疏的评分数据。
-
公开(公告)号：CN115168692A
公开(公告)日：2022-10-11
申请号：CN202110357727.5
申请日：2021-04-01
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/9536 , G06Q10/06 , G06Q50/00
Abstract: 本发明涉及一种基于子空间信任融合的推荐方法及系统，包括以下步骤：获得用户集合和物品集合，基于用户对物品的评分引入用户评分矩阵，根据用户之间是否存在直接的社交关系引入用户关系矩阵；根据用户关系矩阵构建直接社交关系有向图，基于所述直接社交关系有向图获得两个用户之间的显式信任度；根据用户关系矩阵和用户评分矩阵，获取两个用户之间的隐式信任度；基于显式信任度和隐式信任度，构建信任网络；基于信任网络获得用户对物品的预测评分。其不仅考虑了用户个人的社交关系，还根据用户的评分记录探索了用户之间的隐式关系，提高物品推荐的性能。
-
公开(公告)号：CN112862206A
公开(公告)日：2021-05-28
申请号：CN202110230106.0
申请日：2021-03-02
Applicant: 苏州大学
Abstract: 本发明涉及一种基于子空间划分的推荐方法及系统，方法包括输入用户对物品的评分数据；根据评分数据将物品划分至子空间；在每个子空间中，分别计算用户之间的共同评分支持度，融合每个子空间的共同评分支持度得到总共同评分支持度，根据总共同评分支持度筛选出近邻集；根据近邻集获取目标用户对物品的评分预测值，并根据评分预测值向目标用户推荐物品。本发明子空间的划分使得每个评分子空间中的评分值相近，因此可以忽略每个子空间中用户对物品的具体评分值，只要分析用户在每个子空间上的评分行为即可，能够显著降低推荐系统的计算复杂度，提高推荐的速度和准确度，推荐性能高，而且更好地衡量用户之间的相关性，能够适应海量且稀疏的评分数据。
-
公开(公告)号：CN112115359A
公开(公告)日：2020-12-22
申请号：CN202010974301.X
申请日：2020-09-16
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/06
Abstract: 本发明公开了一种基于多阶近邻预测的推荐系统及方法，该系统包括：用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；相似度计算模块，用于计算任意两个用户之间的相似度；迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。本发明基于多阶近邻预测的推荐系统及方法采用迭代查找的思想，使得该推荐系统和方法的预测评分更准确，有效性更高。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
