-
公开(公告)号：CN105956089A
公开(公告)日：2016-09-21
申请号：CN201610284127.X
申请日：2016-05-03
Applicant: 桂林电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/337
Abstract: 本发明为一种针对具备项目的分类信息的推荐方法，在许多网络应用中往往需要给用户推荐，需要利用上下文信息来提高推荐准确率并增强用户体验，然而现有的上下文感知推荐方法依然面临数据稀疏性问题的挑战。为了进一步缓解数据稀疏性问题，本专利提出一种新型的推荐方法，结合用户评分数据及用户类别偏好进行物品推荐，以解决用户评分数据稀疏时评分预测准确率低的问题。该方法适用于大规模数据。实验结果表明，与目前主流的方法相比，该方法具有较好的推荐效果。
-
公开(公告)号：CN103561005B
公开(公告)日：2016-05-25
申请号：CN201310502934.0
申请日：2013-10-24
Applicant: 桂林电子科技大学
Abstract: 基于映射几何性质的秘密共享方法，采用映射几何的方法构造，利用m个点确定一个m维的平面，这些点构成的矢量都是线性无关的。秘密拆分是将秘密S映射为线性方程式的整数系数{K1，K2，…，Kk}，建立线性方程式K1*x1 +K2*x2+…+Kk*xk=1，通过在线性方程上面取点n个，将这些点分别分配给n个人；秘密恢复主要是建立方程组，并求得系数K1，K2，…，Kk，然后根据映射规则恢复秘密。假设要求k个人集中在一起才能恢复，当有超过或者等于k个人在一起的时候，由于几何性质，可确定平面，进而确定系数，从而恢复秘密；当少于k个人在一起的时候，不能恢复秘密，且无法获取关于这个秘密的信息。
-
公开(公告)号：CN105956089B
公开(公告)日：2019-06-18
申请号：CN201610284127.X
申请日：2016-05-03
Applicant: 桂林电子科技大学
IPC: G06F16/335
Abstract: 在许多网络应用中往往需要给用户推荐，需要利用上下文信息来提高推荐准确率并增强用户体验，然而现有的上下文感知推荐方法依然面临数据稀疏性问题的挑战。为了进一步缓解数据稀疏性问题，本专利提出一种新型的推荐方法，结合用户评分数据及用户类别偏好进行物品推荐，以解决用户评分数据稀疏时评分预测准确率低的问题。该方法适用于大规模数据。实验结果表明，与目前主流的方法相比，该方法具有较好的推荐效果。
-
公开(公告)号：CN103561005A
公开(公告)日：2014-02-05
申请号：CN201310502934.0
申请日：2013-10-24
Applicant: 桂林电子科技大学
Abstract: 基于映射几何性质的秘密共享方法，采用映射几何的方法构造，利用m个点确定一个m维的平面，这些点构成的矢量都是线性无关的。秘密拆分是将秘密S映射为线性方程式的整数系数{K1，K2，…，Kk}，建立线性方程式K1*x1+K2*x2+…+Kk*xk=1，通过在线性方程上面取点n个，将这些点分别分配给n个人；秘密恢复主要是建立方程组，并求得系数K1，K2，…，Kk，然后根据映射规则恢复秘密。假设要求k个人集中在一起才能恢复，当有超过或者等于k个人在一起的时候，由于几何性质，可确定平面，进而确定系数，从而恢复秘密；当少于k个人在一起的时候，不能恢复秘密，且无法获取关于这个秘密的信息。
-
-
-
Search Results
4
records
(took 0.042 seconds)
