公开(公告)号：CN107577786B

公开(公告)日：2019-09-10

申请号：CN201710833356.7

申请日：2017-09-15

Applicant: 合肥工业大学

Inventor： 刘学亮 ,  杨文娟 ,  吴乐 ,  汪萌 ,  洪日昌

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/35 ,  G06F17/16

Abstract: 本发明公开了一种基于联合聚类的矩阵分解推荐方法，包括：1构造用户‑项目评分矩阵；2用户‑项目评分矩阵通过联合聚类分成若干个类别；3针对聚类后的类别，利用概率矩阵分解的方法对每个类别的未知评分并行地进行预测并根据预测的评分进行推荐。本发明能够充分利用聚类内部间的紧密相关性和概率矩阵分解算法的高精度，对于信息过载时代的大数据处理问题，能够在保证不错精度的同时以较快的速度进行推荐。

公开(公告)号：CN107577786A

公开(公告)日：2018-01-12

申请号：CN201710833356.7

申请日：2017-09-15

Applicant: 合肥工业大学

Inventor： 刘学亮 ,  杨文娟 ,  吴乐 ,  汪萌 ,  洪日昌

IPC: G06F17/30 ,  G06F17/16

Abstract: 本发明公开了一种基于联合聚类的矩阵分解推荐方法，包括：1构造用户-项目评分矩阵；2用户-项目评分矩阵通过联合聚类分成若干个类别；3针对聚类后的类别，利用概率矩阵分解的方法对每个类别的未知评分并行地进行预测并根据预测的评分进行推荐。本发明能够充分利用聚类内部间的紧密相关性和概率矩阵分解算法的高精度，对于信息过载时代的大数据处理问题，能够在保证不错精度的同时以较快的速度进行推荐。

公开(公告)号：CN108320187B

公开(公告)日：2021-04-06

申请号：CN201810107473.X

申请日：2018-02-02

Applicant: 合肥工业大学

Inventor： 吴乐 ,  孙培杰 ,  汪萌 ,  洪日昌 ,  刘学亮 ,  杨文娟

IPC: G06F16/9536 ,  G06Q30/02 ,  G06Q30/06 ,  G06Q50/00 ,  G06N3/08

Abstract: 本发明公开了一种基于深度社交关系的推荐方法，包括：1.构造用户对物品的评分矩阵和用户与用户之间的社交关系矩阵；2.通过独热编码方式构造输入层；3.根据用户与用户之间的社交关系矩阵利用自动编码得到社交嵌入矩阵；4.通过输入层和社交嵌入矩阵来构造嵌入层；5.通过嵌入层构造协同层；6.将协同层信息输入隐含层，得到对应预测评分信息，从而进行物品推荐。本发明能够充分利用用户间的社交关系解决数据稀疏性问题，同时通过建立用户与物品间复杂的深度神经网络结构来保证很好的精度，进而对用户进行精准推荐。

公开(公告)号：CN108320187A

公开(公告)日：2018-07-24

申请号：CN201810107473.X

申请日：2018-02-02

Applicant: 合肥工业大学

Inventor： 吴乐 ,  孙培杰 ,  汪萌 ,  洪日昌 ,  刘学亮 ,  杨文娟

IPC: G06Q30/02 ,  G06Q30/06 ,  G06Q50/00 ,  G06F17/30

Abstract: 本发明公开了一种基于深度社交关系的推荐方法，包括：1.构造用户对物品的评分矩阵和用户与用户之间的社交关系矩阵；2.通过独热编码方式构造输入层；3.根据用户与用户之间的社交关系矩阵利用自动编码得到社交嵌入矩阵；4.通过输入层和社交嵌入矩阵来构造嵌入层；5.通过嵌入层构造协同层；6.将协同层信息输入隐含层，得到对应预测评分信息，从而进行物品推荐。本发明能够充分利用用户间的社交关系解决数据稀疏性问题，同时通过建立用户与物品间复杂的深度神经网络结构来保证很好的精度，进而对用户进行精准推荐。