[发明专利]一种基于属性比重相似性的两步预测Top‑N推荐算法在审
| 申请号： | 201610569559.5 | 申请日： | 2016-07-14 |
| 公开（公告）号： | CN106204153A | 公开（公告）日： | 2016-12-07 |
| 发明（设计）人： | 李云;魏李婷;袁运浩 | 申请（专利权）人： | 扬州大学 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02 |
| 代理公司： | 南京中新达专利代理有限公司 32226 | 代理人： | 孙鸥;朱杰 |
| 地址： | 225009 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于属性比重相似性的两步预测Top‑N推荐算法。本发明输入数据集T和项目属性矩阵A，构造用户评分矩阵R和用户项目二分矩阵C，计算用户属性比重矩阵D，利用用户属性比重矩阵D计算用户相似性，并获取近邻N(u)，预测用户选择项目的概率Interest，综合用户选择项目和用户对所选项目评分的用户评分行为，向用户进行Top‑N推荐。本发明克服了时评分矩阵稀疏和评分不均缺陷。本发明提高了评分矩阵的密度，改善了由于数据稀疏性造成的相似性计算不平衡的问题，用户选择项目并对所选项目评分，尽可能利用信息。 | ||
| 搜索关键词： | 一种 基于 属性 比重 相似性 预测 top 推荐 算法 | ||
【主权项】：
一种基于属性比重相似性的两步预测的Top‑N推荐算法，其特征在于，包括如下步骤：(1)输入数据集T和项目属性矩阵A；(2)构造用户评分矩阵R和用户项目二分矩阵C；(3)计算用户属性比重矩阵D；(4)利用用户属性比重矩阵D计算用户相似性，并获取近邻N(u)；(5)预测用户选择项目的概率Interest；(5a)通过获取近邻用户对项目感兴趣的人数来求得用户对项目的兴趣度；(5b)考虑用户之间的相似度权重更新兴趣度；(6)综合用户选择项目和用户对所选项目评分的用户评分行为。第一步，利用基于属性比重相似性的兴趣度预测用户对项目进行评分的概率；第二步，利用非个性化的平均值方法预测用户对项目的评分值；(7)向用户进行Top‑N推荐。
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扬州大学，未经扬州大学许可，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/201610569559.5/，转载请声明来源钻瓜专利网。
- 上一篇：业务处理方法及装置
- 下一篇：一种向移动终端投放广告的方法及装置
