本发明公开了一种基于层次化物品协同过滤推荐方法,包括以下步骤:收集用户对物品的行为数据以及物品的元数据;对收集的行为数据和物品的元数据进行建模和物品相似度计算;基于层次化物品协同过滤的推荐。本发明主要是利用多种数据,包括用户对物品的行为数据和物品的元数据信息,以此计算物品之间的相似度并实施基于层次化物品协同过滤的推荐,缓解数据稀疏和冷启动问题的影响,进而改进推荐结果的准确率和多样性。
📄 2019108308738
📂 G06F16_9536
👤 杭州电子科技大学
📅 2019-09-04
本发明提供了一种基于显性和隐性信任的协同过滤推荐方法,包括:根据用户物品评分矩阵R,计算用户u对用户v进行预测评分时的准确性;计算用户u对用户v的依赖程度;根据准确性和依赖程度,计算用户u对用户v的隐性信任度;根据隐性信任度对用户物品评分矩阵R进行填充;计算用户u对物品的评分置信度;根据评分置信度和填充处理后的用户物品评分矩阵,计算用户u对用户v之间的相似性;计算用户u的全局信任度,以及用户u对用户v的局部信任度;根据全局信任度和局部信任度,计算用户u对用户v的最终信任度;修正用户u的潜在特征用户矩阵;根据潜在用户特征矩阵,预测用户u对物品i的评分。本发明能解决由于信息过载导致的数据稀疏和用户冷启动问题,提高推荐准确性。
📄 2020102404293
📂 G06F16_9536
👤 中南大学
📅 2020-03-31