[发明专利]一种基于概率矩阵分解结合相似度的个性化推荐方法有效
| 申请号： | 201710108298.1 | 申请日： | 2017-02-27 |
| 公开（公告）号： | CN106980648B | 公开（公告）日： | 2021-07-27 |
| 发明（设计）人： | 李华康;金旭;孙国榟;李涛 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/9536;G06K9/62 |
| 代理公司： | 南京知识律师事务所 32207 | 代理人： | 李湘群 |
| 地址： | 210023 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于概率矩阵分解结合相似度的个性化推荐方法，具体包含以下步骤：S1：建立物品信息和历史评分数据库；S2：生成用户之间和物品之间的相似度矩阵；S3：对上述矩阵的行向量按照降序进行排列；S4：基于概率矩阵分解模型生成目标函数；S5：生成最终的用户和物品的潜在特征矩阵；S6：根据最终的用户和物品的潜在特征矩阵生成预测的评分矩阵；S7：对用户进行个性化推荐。本发明中，可以根据用户的潜在特征向量与相似度高的用户潜在特征向量有关，使得预测评分更加贴近用户的真实评分，从而提高当前推荐系统推荐准确率。 | ||
| 搜索关键词： | 一种 基于 概率 矩阵 分解 结合 相似 个性化 推荐 方法 | ||
【主权项】：
一种基于概率矩阵分解结合相似度的个性化推荐方法，其特征在于包含以下步骤：S1：建立物品信息和历史评分数据库；S2：生成用户之间和物品之间的相似度矩阵；S3：对上述矩阵的行向量按照降序进行排列；S4：基于概率矩阵分解模型生成目标函数；S5：生成最终的用户和物品的潜在特征矩阵；S6：根据最终的用户和物品的潜在特征矩阵生成预测的评分矩阵；S7：对用户进行个性化推荐。
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南京邮电大学，未经南京邮电大学许可，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/201710108298.1/，转载请声明来源钻瓜专利网。
