公开(公告)号：CN108596276A

公开(公告)日：2018-09-28

申请号：CN201810443273.1

申请日：2018-05-10

Applicant: 重庆邮电大学

Inventor： 黄梅根 ,  周理含 ,  王渝

IPC: G06K9/62

Abstract: 本发明请求保护一种基于特征加权的朴素贝叶斯微博用户分类方法。本发明目的是区分正常微博用户和恶意微博用户。本发明首先将经过离散化处理的微博用户数据分为训练数据集和测试数据集；然后对训练数据集进行计算得到各个特征的先验概率、条件概率和信息增益，再根据信息增益排名建立目标优化矩阵，确定各个特征的权值；最后对测试数据进行计算后验概率，最大的后验概率所对应的类别即是分类结果。本发明弱化了朴素贝叶斯分类方法的特征之间相互独立且同等重要的假设，通过计算信息增益，确定各特征对分类结果的重要程度，建立目标优化矩阵，确定各个特征的权值，以此提高了微博用户分类的准确性。

公开(公告)号：CN107833070A

公开(公告)日：2018-03-23

申请号：CN201710998838.8

申请日：2017-10-24

Applicant: 重庆邮电大学

Inventor： 黄梅根 ,  崔文豪 ,  周理含

IPC: G06Q30/02 ,  G06Q30/06

CPC classification number: G06Q30/0253 ,  G06Q30/0631

Abstract: 本发明公开了一种推荐系统中缓解数据稀疏性问题的交叉动态填充方法，包括：步骤1，对电商用户行为数据进行预处理，得到用户信息表及商品信息表；步骤2，建立用户——商品——评分矩阵；步骤3，根据构建的用户信息表和商品信息表，分别计算用户相似性及商品相似性；步骤4，数据稀疏性处理：通过用户相似性及商品相似性交叉动态填充法对用户——商品——评分矩阵逐步填充。本发明相对单一用户和商品的相似性信息填充方法，巧妙地将用户相似性和商品相似性动态结合起来，能够对用户——商品——评分矩阵进行更好地填充，从而缓解推荐中数据稀疏性问题。以便于对于各个用户进行更精准的推荐，提高用户个性化体验，促进商家销售，增加商家收益。

公开(公告)号：CN108830460B

公开(公告)日：2021-12-17

申请号：CN201810500434.6

申请日：2018-05-23

Applicant: 重庆邮电大学

Inventor： 黄梅根 ,  王渝 ,  周理含

IPC: G06Q10/06 ,  G06F17/16

Abstract: 本发明请求保护一种基于分步动态填充缓解推荐系统数据稀疏性的方法。方法首先对用户行为数据预处理，建立用户—美食商家评分矩阵；其次，选取目标用户计算用户相似度，选取相似度大于阈值α的用户作为目标用户的预选相似邻居用户；然后，计算用户共同评分差均值，选取共同评分差均值小于阈值β的预选邻居用户作为最终的相似邻居用户，利用邻居用户对评分矩阵做第一步填充；最后，对评分矩阵中剩下的未填充数据，同样采用相似度阈值法和共同评分差均值来选取相似商家，并利用相似商家对评分矩阵做第二步填充。本发明在一定程度上缓解了美食商家推荐系统中评分矩阵的稀疏性问题，提高了推荐系统的准确度。

公开(公告)号：CN108830460A

公开(公告)日：2018-11-16

申请号：CN201810500434.6

申请日：2018-05-23

Applicant: 重庆邮电大学

Inventor： 黄梅根 ,  王渝 ,  周理含

IPC: G06Q10/06 ,  G06F17/16

Abstract: 本发明请求保护一种基于分步动态填充缓解推荐系统数据稀疏性的方法。方法首先对用户行为数据预处理，建立用户—美食商家评分矩阵；其次，选取目标用户计算用户相似度，选取相似度大于阈值α的用户作为目标用户的预选相似邻居用户；然后，计算用户共同评分差均值，选取共同评分差均值小于阈值β的预选邻居用户作为最终的相似邻居用户，利用邻居用户对评分矩阵做第一步填充；最后，对评分矩阵中剩下的未填充数据，同样采用相似度阈值法和共同评分差均值来选取相似商家，并利用相似商家对评分矩阵做第二步填充。本发明在一定程度上缓解了美食商家推荐系统中评分矩阵的稀疏性问题，提高了推荐系统的准确度。