[发明专利]一种基于正规化矩阵因式分解的增量协同过滤推荐方法无效
| 申请号： | 201110056232.5 | 申请日： | 2011-03-09 |
| 公开（公告）号： | CN102135989A | 公开（公告）日： | 2011-07-27 |
| 发明（设计）人： | 罗辛;欧阳元新;蒋祥涛;熊璋 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京慧泉知识产权代理有限公司 11232 | 代理人： | 王顺荣;唐爱华 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于正规化矩阵因式分解的增量协同过滤推荐方法：基于规范化正规化矩阵因式分解模型的输入顺序无关性改进：基于正规化矩阵因式分解的隐向量模型中，提出与训练实例输入顺序无关的模型；隐特征向量的增量更新：对隐特征向量在每轮训练中的增量数学表达式进行分析，提出了隐特征向量的增量更新规则；整合线性偏差的增量更新：整合了能够增量更新的统计观测偏差。本发明能够以增量更新的方式，反映新增用户反馈信息对推荐结果的影响。在不重建整个推荐模型的前提下，本方法根据新增的用户反馈信息进行正确的增量实时更新，能够对新增的用户反馈数据做出实时反馈。 | ||
| 搜索关键词： | 一种 基于 正规化 矩阵 因式分解 增量 协同 过滤 推荐 方法 | ||
【主权项】：
一种基于正规化矩阵因式分解的增量协同过滤推荐方法，其特征在于：能够以增量更新的方式，正确反映新增用户反馈信息对推荐结果的影响，步骤如下：(1)基于正规化矩阵因式分解模型的输入顺序无关性改进：在基于正规化矩阵因式分解的隐向量模型中对隐特征向量的训练过程进行分析，并以简化隐特征向量训练规则为目的，提出与训练实例输入顺序无关的、基于正规化矩阵因式分解的隐向量模型；(2)隐特征向量的增量更新：以输入顺序无关性模型为基础，对隐特征向量在每轮训练中的增量数学表达式进行分析，提出隐特征向量的增量更新规则；(3)整合线性偏差的增量更新：整合能够增量更新的统计观测偏差。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京航空航天大学，未经北京航空航天大学许可，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/patent/201110056232.5/，转载请声明来源钻瓜专利网。
