[发明专利]一种基于混合协同过滤的推荐方法在审
| 申请号： | 201610012329.9 | 申请日： | 2016-01-08 |
| 公开（公告）号： | CN106971053A | 公开（公告）日： | 2017-07-21 |
| 发明（设计）人： | 车海莺 | 申请（专利权）人： | 车海莺 |
| 主分类号： | G06F19/00 | 分类号： | G06F19/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100081 北京市海淀区中关*** | 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： | 本发明公开了一种基于混合协同过滤的推荐方法，包括如下步骤建立一个用户‑项目评分矩阵，使用优化奇异值分解的方法将用户‑项目矩阵分解成关于用户和关于项目的两个隐性因子矩阵；采用梯度下降法针对两个隐性因子矩阵不断迭代逼近最优目标参数；将两个隐性因子矩阵相乘，得到一个满秩的用户‑项目矩阵；在满秩的用户‑项目矩阵上，引入用户评分偏差和项目评分偏差，然后采用两种基于KNN的协同过滤算法相结合，分别获得基于项目的协同过滤预测评分和基于用户的协同过滤预测评分，将两种协同过滤预测评分加权求和得到用户对项目的预测评分，最终将预测评分最高的多个项目生成推荐列表给用户。 | ||
| 搜索关键词： | 一种 基于 混合 协同 过滤 推荐 方法 | ||
【主权项】：
一种基于混合协同过滤的推荐方法，其特征在于，包括如下步骤：步骤1、建立一个用户‑项目评分矩阵，使用优化奇异值分解的方法将用户‑项目矩阵分解成关于用户和关于项目的两个隐性因子矩阵；步骤2、采用梯度下降法针对两个隐性因子矩阵不断迭代逼近最优目标参数；步骤3、将两个隐性因子矩阵相乘，得到一个满秩的用户‑项目矩阵；步骤4、在满秩的用户‑项目矩阵上，引入用户评分偏差和项目评分偏差，然后采用两种基于KNN的协同过滤算法相结合，分别获得基于项目的协同过滤预测评分和基于用户的协同过滤预测评分，将两种协同过滤预测评分加权求和得到用户对项目的预测评分，最终将预测评分最高的多个项目生成推荐列表给用户。
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车海莺，未经车海莺许可，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/201610012329.9/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
