[发明专利]基于关系型协同话题回归的推荐系统及方法有效
| 申请号： | 201310279187.9 | 申请日： | 2013-07-04 |
| 公开（公告）号： | CN103390032A | 公开（公告）日： | 2013-11-13 |
| 发明（设计）人： | 李武军;王灏;过敏意 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海思微知识产权代理事务所(普通合伙) 31237 | 代理人： | 郑玮 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 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关系型协同话题回归的推荐系统及其方法，该系统至少包括：RCTR模型建立模组，将用户-物品评价信息、物品内容信息与物品间的关系结构整合到一个层级贝叶斯模型以建立RCTR模型；参数学习模组，利用最大后验估计对RCTR模型中的参数进行学习，最终获得参数用户隐向量、物品隐向量、物品关系向量和物品话题比例的全后验概率；预测值计算模组，使用用户隐向量、物品话题比例和物品隐偏移的点估计利用一预测值计算公式来计算评价的预测值，本发明通过无缝地将用户-物品评价信息、物品内容信息与物品间的关系结构整合到一个层级贝叶斯模型，以将物品之间的社交网络集合到推荐过程中，从而提高了推荐的准确度。 | ||
| 搜索关键词： | 基于 关系 协同 话题 回归 推荐 系统 方法 | ||
【主权项】：
一种基于关系型协同话题回归的推荐系统，至少包括：RCTR模型建立模组，将用户‑物品评价信息、物品内容信息与物品间的关系结构整合到一个层级贝叶斯模型以建立RCTR模型；参数学习模组，利用最大后验估计对该RCTR模型建立模组建立的RCTR模型中的参数进行学习，最终获得参数用户隐向量ui、物品隐向量vj、物品关系向量sj和物品话题比例θj的全后验概率；预测值计算模组，使用用户隐向量ui,物品话题比例θj和物品隐偏移εj的点估计利用一预测值计算公式来计算评价的预测值。
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上海交通大学，未经上海交通大学许可，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/201310279187.9/，转载请声明来源钻瓜专利网。
