[發明專利]基于雙向加權值及用戶行為的動態推薦及加噪方法在審
| 申請號： | 201810072226.0 | 申請日： | 2018-01-25 |
| 公開（公告）號： | CN110110214A | 公開（公告）日： | 2019-08-09 |
| 發明（設計）人： | 熊仕勇;馮俊翔;燕陽;林金朝;陳闊;夏淑芳 | 申請（專利權）人： | 重慶郵電大學 |
| 主分類號： | G06F16/9535 | 分類號： | G06F16/9535;G06F17/16 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 400065 *** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 加權 動態推薦 記錄方式 用戶行為 時間復雜度 復雜感情 面向用戶 預測 算法 調用 事物 引入 保證 | ||
1.一種基于雙向加權值及用戶行為的動態推薦及加噪方法，其特征在于：所述用戶行為存儲模塊(1)通過處理步驟(2)，生成所述用戶-因子加權值矩陣(3)與事物-因子加權值矩陣(4)，最后生成加噪后的推薦結果。
2.根據權利要求1所述所述基于雙向加權值及用戶行為的動態推薦及加噪方法，其特征在于：所述用戶行為存儲模塊由數據庫(1a)與用戶行為矩陣(1b)構成，用戶行為矩陣為包含用戶與事物的二維矩陣，存儲的值為加權值。
3.根據權利要求1所述所述基于雙向加權值及用戶行為的動態推薦及加噪方法，其特征在于：處理步驟由SVD奇異值分解(2a)與高斯分布加噪(2b)組成。
4.根據權利要求1所述所述基于雙向加權值及用戶行為的動態推薦及加噪方法，其特征在于包括以下步驟：
S1：初始化方法，建立項目模型(1)；
S2：從數據庫(1a)讀取記錄了用戶行為的矩陣R(1b)；
S3：新建用戶-因子加權值矩陣P(3)與事物-因子加權值矩陣Q(4)；
S4：對用戶行為矩陣R進行矩陣分解，利用SVD矩陣算法(2a)分解分別產生P、Q矩陣，使得足R＝PQT；
S5：對用戶-因子加權值矩陣P(3)進行加噪(2b)；
S6：將加噪后的P與Q點乘，獲得生成的加噪后的預測矩陣
S7：返回推薦結果方法結束。
5.根據權利要求4所述所述基于雙向加權值及用戶行為的動態推薦及加噪方法，其特征在于：建立項目模型(1)時，即根據事前定義的用戶屬性及物品屬性，計算機為其分配合適的存儲空間，以便存儲用戶行為矩陣R(1b)。
6.根據權利要求4所述所述基于雙向加權值及用戶行為的動態推薦及加噪方法，其特征在于：從數據庫(1a)讀取記錄了用戶行為的矩陣R(1b)，若外部未調用生成因子接口，則用戶在外部的操作持續地記錄至矩陣R(1b)中。
7.根據權利要求4所述所述基于雙向加權值及用戶行為的動態推薦及加噪方法，其特征在于：新建用戶-因子加權值矩陣P(3)與事物-因子加權值矩陣Q(4)，即根據事前定義的用戶屬性及物品屬性，計算機為其分配合適的存儲空間。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶郵電大學，未經重慶郵電大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810072226.0/1.html，轉載請聲明來源鉆瓜專利網。
