公开(公告)号：CN113010802B

公开(公告)日：2022-09-20

申请号：CN202110318014.8

申请日：2021-03-25

Applicant: 华南理工大学

Inventor： 李欣 ,  梅登华 ,  黄牛

IPC: G06F16/9536

Abstract: 本发明公开了一种基于用户与物品多属性交互面向隐式反馈的推荐方法，包括步骤：1)对用户与物品多个属性的隐式反馈交互数据进行预处理；2)根据预处理后用户与物品每个属性的隐式反馈交互数据来初始化用户物品特征向量以及构造用户物品交互矩阵；3)根据每个属性的用户物品交互矩阵来更新对应的用户物品特征向量；4)对多个用户物品特征向量进行融合来获取最新的用户物品特征向量；5)根据最新的用户物品特征向量的内积计算用户对物品的兴趣值；6)根据用户对物品的兴趣值进行排序，生成推荐列表。本发明利用用户与物品多个属性的交互，获得更全面表示用户兴趣和物品特性的用户物品特征向量，从而实现更加精准的推荐。

公开(公告)号：CN114528497B

公开(公告)日：2024-09-24

申请号：CN202210054450.3

申请日：2022-01-18

Applicant: 华南理工大学

Inventor： 黄牛 ,  梅登华

IPC: G06F16/9536 ,  G06Q10/0639 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面向物品多指标评分数据的推荐方法，包括：1)将用户对物品多个指标的原始评分数据，使用字典映射的方式进行数据预处理；2)初始化所有用户物品的特征向量，并根据预处理后的评分数据构造用户物品评分矩阵；3)使用用户物品的特征向量和用户物品多指标评分信息来计算用户对物品多个指标的预测评分，作为中间结果；使用用户对物品多个指标的预测评分和用户物品评分矩阵计算用户对物品的总预测评分；4)根据用户对物品的总预测评分生成推荐列表。本发明利用用户对物品多个指标的评分数据来学习用户对物品不同方面的兴趣，并聚集用户物品二部图中用户与物品的邻居信息，从而获得更优的用户物品特征向量，有效提升了推荐预测的准确率。

公开(公告)号：CN114528497A

公开(公告)日：2022-05-24

申请号：CN202210054450.3

申请日：2022-01-18

Applicant: 华南理工大学

Inventor： 黄牛 ,  梅登华

IPC: G06F16/9536 ,  G06Q10/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向物品多指标评分数据的推荐方法，包括：1)将用户对物品多个指标的原始评分数据，使用字典映射的方式进行数据预处理；2)初始化所有用户物品的特征向量，并根据预处理后的评分数据构造用户物品评分矩阵；3)使用用户物品的特征向量和用户物品多指标评分信息来计算用户对物品多个指标的预测评分，作为中间结果；使用用户对物品多个指标的预测评分和用户物品评分矩阵计算用户对物品的总预测评分；4)根据用户对物品的总预测评分生成推荐列表。本发明利用用户对物品多个指标的评分数据来学习用户对物品不同方面的兴趣，并聚集用户物品二部图中用户与物品的邻居信息，从而获得更优的用户物品特征向量，有效提升了推荐预测的准确率。

公开(公告)号：CN113010802A

公开(公告)日：2021-06-22

申请号：CN202110318014.8

申请日：2021-03-25

Applicant: 华南理工大学

Inventor： 李欣 ,  梅登华 ,  黄牛

IPC: G06F16/9536

Abstract: 本发明公开了一种基于用户与物品多属性交互面向隐式反馈的推荐方法，包括步骤：1)对用户与物品多个属性的隐式反馈交互数据进行预处理；2)根据预处理后用户与物品每个属性的隐式反馈交互数据来初始化用户物品特征向量以及构造用户物品交互矩阵；3)根据每个属性的用户物品交互矩阵来更新对应的用户物品特征向量；4)对多个用户物品特征向量进行融合来获取最新的用户物品特征向量；5)根据最新的用户物品特征向量的内积计算用户对物品的兴趣值；6)根据用户对物品的兴趣值进行排序，生成推荐列表。本发明利用用户与物品多个属性的交互，获得更全面表示用户兴趣和物品特性的用户物品特征向量，从而实现更加精准的推荐。