申请/专利权人：浙江大学软件学院(宁波)管理中心(宁波软件教育中心)

申请日：2023-08-22

公开（公告）日：2024-03-22

公开（公告）号：CN117745371A

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06Q30/0282;G06F16/9535;G06F16/9536

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于条件扩散模型的公平性推荐方法，包括获取推荐系统的原始数据集，经筛选、编码、过滤，进行数据归一化处理后得到用户‑物品交互矩阵；将用户‑物品交互矩阵通过扩散模型处理得到初始的推荐矩阵，通过降低模型总损失函数值对扩散模型的参数进行训练，当模型总损失函数值降至最小值时扩散模型的参数收敛，由此时的模型参数优化扩散模型得到训练后的用户‑物品评分矩阵；根据训练后的用户‑物品评分矩阵中的物品评分进行排序，为用户推荐物品评分高的物品；本发明还提供了一种基于条件扩散模型的公平性推荐系统；本发明的优点在于实现了推荐效用并保证推荐的公平性，综合考虑了推荐的公平性，效用目标以及公平性目标。

主权项：1.一种基于条件扩散模型的公平性推荐方法，其特征在于，包括：S1.获取推荐系统的原始数据集，经筛选、编码、过滤后构建用户-物品矩阵，对所述用户-物品矩阵进行数据归一化处理后得到用户-物品交互矩阵；S2.模型构建与训练：将所述用户-物品交互矩阵通过扩散模型处理得到初始的推荐矩阵，其中，扩散模型包括条件加噪和条件去噪的处理过程；基于用户-物品交互矩阵和初始的推荐矩阵构建模型总损失函数，通过降低模型总损失函数值对扩散模型的参数进行训练，当模型总损失函数值降至最小值时扩散模型的参数收敛，将此时的扩散模型的参数作为训练后的模型参数，由训练后的模型参数得到优化的扩散模型，由优化的扩散模型对当前的推荐矩阵进行处理得到最终的推荐矩阵，将最终的推荐矩阵作为训练后的用户-物品评分矩阵，根据训练后的用户-物品评分矩阵获取最终的物品评分；S3.根据训练后的用户-物品评分矩阵中最终的物品评分进行排序，为用户推荐物品评分高的物品。

全文数据：

权利要求：

百度查询： 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) 一种基于条件扩散模型的公平性推荐方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD