[发明专利]基于集成回归的个性化推荐算法在审
| 申请号： | 201910573458.9 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110297978A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 琚生根;李思骏;周志钢;李磊;胡思才 | 申请（专利权）人： | 四川金蜜信息技术有限公司 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/9536;G06Q30/06 |
| 代理公司： | 成都三诚知识产权代理事务所(普通合伙) 51251 | 代理人： | 成实;饶振浪 |
| 地址： | 610000 四川省成都市中国（四*** | 国省代码： | 四川;51 |
| 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集成回归的个性化推荐算法，其特征在于，包括以下步骤：步骤1：获取用户数据集，将用户数据集中每一个用户归为一个样本，遍历样本列表，记录样本的总数量N，并给每一个样本赋上初始权重d0；步骤2：集成若干个基础推荐算法，形成弱学习器选择池，并生成基础推荐算法列表k等步骤。本发明通过集成多个不同的基础推荐算法形成涵盖了各种不同影响因子的强学习器来解决同一个问题，提高了推荐系统的泛化能力，进而提升最终的推荐准确率。 | ||
| 搜索关键词： | 算法 样本 个性化推荐 用户数据 学习器 初始权重 推荐系统 影响因子 选择池 回归 准确率 遍历 涵盖 记录 | ||
【主权项】：
1.一种基于集成回归的个性化推荐算法，其特征在于，包括以下步骤：步骤1：获取用户数据集，将用户数据集中每一个用户归为一个样本，遍历样本列表，记录样本的总数量N，并给每一个样本赋上初始权重d0；步骤2：集成若干个基础推荐算法，形成弱学习器选择池，并生成基础推荐算法列表；步骤3：根据样本的初始权重进行迭代运算生成一个弱学习器，并将生成的弱学习器从弱学习器选择池中挑出，每一次迭代运算所挑出的弱学习器集合成弱学习器集；步骤4：根据弱学习器对样本的权重进行更新，以更新后的权重作为下一次迭代的样本权重；步骤5：根据生成的弱学习器产生强学习器；步骤6：通过该强学习器对用户项目进行评级，评级高的则作为推荐对像，得出推荐结果。
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四川金蜜信息技术有限公司，未经四川金蜜信息技术有限公司许可，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/patent/201910573458.9/，转载请声明来源钻瓜专利网。
