公开(公告)号：CN110727863A

公开(公告)日：2020-01-24

申请号：CN201910923173.3

申请日：2019-09-27

Applicant: 东北大学

Inventor： 于海 ,  王敬龙 ,  武庆斌 ,  朱志良 ,  王一博 ,  吕梦晨

IPC: G06F16/9535

Abstract: 本发明涉及项目推荐技术领域，提供一种基于复杂网络协同过滤的项目推荐方法。首先构建复杂网络包括用户集合及用户之间的网络关系；然后利用基于模块度的GN社团划分算法，对复杂网络进行划分，形成社团集合；接着在每个社团中，计算被推荐用户与其他用户之间的相似度，并将被推荐用户与其他用户之间的相似度从大到小进行排序，选取前n个相似度对应的其他用户构成被推荐用户的Top-n最近邻集合；最后计算被推荐用户对项目的预测评分，并将被推荐用户对项目的预测评分从高到低排序，选取前K*个预测评分对应的项目推荐给用户。本发明能够提升推荐精度、响应用户数据的动态变化，能够应用于不同的场景，且能够避免无效推荐、解决冷启动问题。

公开(公告)号：CN110309424A

公开(公告)日：2019-10-08

申请号：CN201910601112.5

申请日：2019-07-04

Applicant: 东北大学

Inventor： 武庆斌 ,  于海 ,  王敬龙 ,  王一博 ,  高祥

IPC: G06F16/9535 ,  G06F16/9536 ,  G06K9/62

Abstract: 本发明提供一种基于粗糙聚类的社会化推荐方法，包括：将用户的社会化评分数据构造评分矩阵；计算除所述第一个初始聚类中心外的其他的聚类中心，将所述聚类中心按照密度函数从大到小排序后；分别计算每个所述剩余用户到K个聚类中心的余弦相似度及最大相似度进而进行聚类划分；计算非聚类中心用户的权重值wi与聚类集合的近似集合影响因子；根据所述预测评分的高低形成由高至低的推荐项目集合，为目标用户进行项目推荐。本文提出的一种基于粗糙聚类的社会化推荐算法，通过计算数据对象的密度函数对K-means聚类推荐算法进行改进，优化了初始聚类中心的选取问题，实现了粗糙集上、下近似集合的权重自适应，并采用余弦相似度替换传统的欧氏距离计算方式。