公开(公告)号：CN107833117A

公开(公告)日：2018-03-23

申请号：CN201711331175.0

申请日：2017-12-13

Applicant: 合肥工业大学

Inventor： 姜元春 ,  吕曼丽 ,  刘业政 ,  王锦坤 ,  孙见山 ,  孙春华 ,  姬翠翠

IPC: G06Q30/06 ,  G06F17/30

Abstract: 本发明公开了一种考虑标签信息的贝叶斯个性化排序推荐方法，其特征按如下步骤进行：步骤一、定义一个表示用户与产品的交互关系；步骤二、定义用户与交互项产品的标签匹配度；步骤三、定义用户的偏好反馈集合的划分标准；步骤四、构建用户对产品的矩阵分解模型；步骤五、利用贝叶斯个性化推荐方法对模型进行求解；步骤六、获得某个用户的为交互项产品的降序排列，并将前top个产品推荐给用户。本发明具有较好的推荐性能，特别是在数据稀疏与冷启动用户推荐情况下。

公开(公告)号：CN107833117B

公开(公告)日：2020-03-17

申请号：CN201711331175.0

申请日：2017-12-13

Applicant: 合肥工业大学

Inventor： 姜元春 ,  吕曼丽 ,  刘业政 ,  王锦坤 ,  孙见山 ,  孙春华 ,  姬翠翠

IPC: G06Q30/06 ,  G06F16/9535

Abstract: 本发明公开了一种考虑标签信息的贝叶斯个性化排序推荐方法，其特征按如下步骤进行：步骤一、定义一个表示用户与产品的交互关系；步骤二、定义用户与交互项产品的标签匹配度；步骤三、定义用户的偏好反馈集合的划分标准；步骤四、构建用户对产品的矩阵分解模型；步骤五、利用贝叶斯个性化推荐方法对模型进行求解；步骤六、获得某个用户的为交互项产品的降序排列，并将前top个产品推荐给用户。本发明具有较好的推荐性能，特别是在数据稀疏与冷启动用户推荐情况下。

公开(公告)号：CN107844585A

公开(公告)日：2018-03-27

申请号：CN201711134593.0

申请日：2017-11-16

Applicant: 合肥工业大学

Inventor： 姜元春 ,  姬翠翠 ,  刘业政 ,  王锦坤 ,  孙见山 ,  孙春华 ,  吕曼丽

IPC: G06F17/30

Abstract: 本发明公开了一种考虑重叠社区效应的推荐方法，其特征是按如下步骤进行：步骤一、获得用户-主题概率分布矩阵、主题-商品概率分布矩阵；步骤二、计算商品对用户的效用；步骤三、根据效用评分由高到低的排序，取其中前N项生成用户的商品推荐列表，从而推荐给用户。本发明能有效解决现有推荐系统存在的“冷启动”和数据稀疏问题，提高推荐质量，为用户提供更好的个性化服务。

公开(公告)号：CN107844585B

公开(公告)日：2020-02-14

申请号：CN201711134593.0

申请日：2017-11-16

Applicant: 合肥工业大学

Inventor： 姜元春 ,  姬翠翠 ,  刘业政 ,  王锦坤 ,  孙见山 ,  孙春华 ,  吕曼丽

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明公开了一种考虑重叠社区效应的推荐方法，其特征是按如下步骤进行：步骤一、获得用户‑主题概率分布矩阵、主题‑商品概率分布矩阵；步骤二、计算商品对用户的效用；步骤三、根据效用评分由高到低的排序，取其中前N项生成用户的商品推荐列表，从而推荐给用户。本发明能有效解决现有推荐系统存在的“冷启动”和数据稀疏问题，提高推荐质量，为用户提供更好的个性化服务。