[发明专利]一种基于属性耦合矩阵分解的项目推荐方法在审
| 申请号： | 201711131303.7 | 申请日： | 2017-11-15 |
| 公开（公告）号： | CN108959334A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 余永红;赵卫滨;蒋晶;王晓江;高海燕 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06Q50/00 |
| 代理公司： | 南京知识律师事务所 32207 | 代理人： | 李吉宽 |
| 地址： | 210003 江苏*** | 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： | 本发明公开了一种基于属性耦合矩阵分解的项目推荐方法，首先根据项目类别划分用户‑项目评分矩阵；利用用户评分和社交关系共现的原则推导特定类别用户社交网络；在推导的特定类别用户社交网络上利用PageRank算法计算用户的社会地位；以用户社会地位值衡量用户的评分权重，结合特定类别用户评分数据和社交关系数据执行矩阵分解，学习特定领域的用户和项目隐式特征向量，使用用户和项目的隐式特征向量内积预测用户对项目的评分，为用户提供个性化的项目推荐。本发明有效解决了传统基于社交网络推荐技术忽视的如下两个问题：(1)在不同的领域中，用户信任不同的朋友；(2)由于用户在不同的领域内具有不同的社会地位，用户在不同领域受朋友影响程度不同。 | ||
| 搜索关键词： | 类别用户 社会地位 社交网络 项目推荐 社交关系 特征向量 耦合矩阵 推导 隐式 分解 矩阵分解 评分矩阵 评分数据 数据执行 项目类别 用户提供 用户信任 有效解决 内积 权重 个性化 衡量 预测 学习 | ||
【主权项】：
1.一种基于属性耦合矩阵分解的项目推荐方法，其特征在于，包括如下步骤：步骤1：根据项目类别划分用户‑项目评分矩阵，并利用用户评分和社交关系共现的原则推导特定类别用户社交网络；步骤2：在推导的特定类别用户社交网络上，利用PageRank算法计算用户的社会地位值；步骤3：以用户社会地位值衡量用户的评分权重，结合特定类别用户评分数据和社交关系数据执行矩阵分解，学习特定领域的用户和项目隐式特征向量；步骤4：使用特定领域的用户和项目的隐式特征向量内积预测用户对项目的评分，根据预测评分为用户提供个性化的项目推荐。
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/201711131303.7/，转载请声明来源钻瓜专利网。
