[发明专利]一种基于时间衰减的协同过滤系统及方法在审
| 申请号： | 201310206887.5 | 申请日： | 2013-05-29 |
| 公开（公告）号： | CN104216884A | 公开（公告）日： | 2014-12-17 |
| 发明（设计）人： | 陈冬;陈运文;纪达麒;刘作涛;姚璐;辛颖伟 | 申请（专利权）人： | 酷盛（天津）科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海金盛协力知识产权代理有限公司 31242 | 代理人： | 解文霞 |
| 地址： | 300467 天津市滨海新区天津生态*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 时间 衰减 协同 过滤 系统 方法 | ||
1.一种基于时间衰减的协同过滤方法，包括如下步骤：
步骤一，把传统协同过滤算法公式中的频次Freq(A)、Freq(B)和共现CoOccur(A，B)做分解，形成协同过滤公式，其中频次分解为增量频次和存量频次，共现分解为增量共现和存量共现，协同过滤公式为：
Relate(A，B)＝(His_CoOccur(A，B)+New_CoOccur(A，B))/((His_Freq(A)+New_Freq(A))*(His_Freq(B)+New_Freq(B)))；
步骤二，于该协同过滤公式中引入时间衰减因子Alfa，构建最终的协同过滤公式，使用户兴趣迁移比较快的应用场景多采用用户行为最近发生的数据，而用户兴趣行为变化比较慢的数据，多利用用户历史行为记录，最终的协同过滤公式为：
Relate(A，B)＝(Alfa*His_CoOccur(A，B)+New_CoOccur(A，B))/((Alfa*His_Freq(A)+New_Freq(A))*(Alfa*His_Freq(B)+New_Freq(B)))；
步骤三，根据具体需要选择相应的时间衰减因子进行过滤，完成推荐，其中，该时间衰减因子Alfa的取值为大于0且小于1。
2.如权利要求1所述的一种基于时间衰减的协同过滤方法，其特征在于：步骤三中，根据频次和共现的大小选择时间衰减因子。
3.如权利要求1所述的一种基于时间衰减的协同过滤方法，其特征在于：该最终的协同过滤公式衰减到一阈值后不再衰减，以免丢失历史信息。
4.一种基于时间衰减的协同过滤系统，至少包括：
分解模组，用于把传统协同过滤算法公式中的频次Freq(A)、Freq(B)和共现CoOccur(A，B)做分解，形成协同过滤公式，其中频次分解为增量频次和存量频次，共现分解为增量共现和存量共现，协同过滤公式为：
Relate(A，B)＝(His_CoOccur(A，B)+New_CoOccur(A，B))/((His_Freq(A)+New_Freq(A))*(His_Freq(B)+New_Freq(B)))；
时间衰减因子引入模组，于该协同过滤公式中引入时间衰减因子Alfa，构建最终的协同过滤公式，使用户兴趣迁移比较快的应用场景多采用用户行为最近发生的数据，而用户兴趣行为变化比较慢的数据，多利用用户历史行为记录，最终的协同过滤公式为：
Relate(A，B)＝(Alfa*His_CoOccur(A，B)+New_CoOccur(A，B))/((Alfa*His_Freq(A)+New_Freq(A))*(Alfa*His_Freq(B)+New_Freq(B)))；
时间衰减因子选择模组，根据具体需要，选择相应的时间衰减因子进行协同过滤，完成推荐，其中，该时间衰减因子Alfa的取值为大于0且小于1。
5.如权利要求4所述的基于时间衰减的协同过滤系统，其特征在于：该时间衰减因子选择模组根据频次和共现的大小选择时间衰减因子。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于酷盛（天津）科技有限公司，未经酷盛（天津）科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201310206887.5/1.html，转载请声明来源钻瓜专利网。
