公开(公告)号：CN111814059A

公开(公告)日：2020-10-23

申请号：CN202010856899.2

申请日：2020-08-24

Applicant: 安徽大学

Inventor： 陈洁 ,  张二明 ,  赵姝 ,  张燕平

IPC: G06F16/9535 ,  G06Q30/06 ,  G06Q30/02 ,  G06Q50/00

Abstract: 本发明公开了基于网络表示学习和社团结构的矩阵分解推荐方法及系统，所述方法包括：构建评级矩阵和社交抽象网络；获取用户之间隐性信任值；获取每个用户节点的全局特征向量；获取社交抽象网络的社团结构；获取用户之间的显性信任值；融合隐性信任值与显性信任值得到融合信任值，融合信任值超过阈值的信任值作为用户之间的细粒度信任值；结合用户之间的细粒度信任值得到用户的潜在特征向量，根据用户的潜在特征向量获取用户对未交互商品的预测评分，对用户进行商品推荐；本发明的优点在于：挖掘可以表达用户之间信任程度的细粒度信任值并据此最终获取用户对未交互商品的预测评分，提高推荐系统的准确性。

公开(公告)号：CN111814059B

公开(公告)日：2023-04-07

申请号：CN202010856899.2

申请日：2020-08-24

Applicant: 安徽大学

Inventor： 陈洁 ,  张二明 ,  赵姝 ,  张燕平

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06Q30/0202 ,  G06Q50/00

Abstract: 本发明公开了基于网络表示学习和社团结构的矩阵分解推荐方法及系统，所述方法包括：构建评级矩阵和社交抽象网络；获取用户之间隐性信任值；获取每个用户节点的全局特征向量；获取社交抽象网络的社团结构；获取用户之间的显性信任值；融合隐性信任值与显性信任值得到融合信任值，融合信任值超过阈值的信任值作为用户之间的细粒度信任值；结合用户之间的细粒度信任值得到用户的潜在特征向量，根据用户的潜在特征向量获取用户对未交互商品的预测评分，对用户进行商品推荐；本发明的优点在于：挖掘可以表达用户之间信任程度的细粒度信任值并据此最终获取用户对未交互商品的预测评分，提高推荐系统的准确性。