申请/专利权人：赣南师范大学

申请日：2020-12-17

公开（公告）日：2024-03-22

公开（公告）号：CN114647773B

主分类号：G06F16/9535

分类号：G06F16/9535;G06Q30/0601;G06N20/00;G06F18/27

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.07.19#实质审查的生效;2022.06.21#公开

摘要：由于简单易懂得步骤和卓越的计算性能，协同过滤算法已成为推荐系统中的一个热门研究领域，与此同时，传统的协同过滤算法存在着很多不足，如：稀疏性矩阵、冷启动问题、用户的信任问题、相似度计算公式的缺陷等。通过分析协同过滤算法中的上述问题，提出了一种面向基于多元线性回归及第三方信用的改进协同过滤算法，从而实施第三方信用模型的构建以及用信用相似度的计算。具体实施结果表明，基于多元线性回归及第三方信用的改进协同过滤算法优于传统的协同过滤算法。在提出的基于多元线性回归及第三方信用的改进协同过滤算法中，协同过滤算法之间的稀疏性问题、用户的信任问题、相似度计算公式得到了有效缓解。

主权项：1.基于多元线性回归及第三方信用的改进协同过滤方法，其特征在于：首先构建基于第三方个人的加权信用模型，其次收集用户对某个项目产生行为的信用值矩阵，通过喜爱向量进行量化得到线性回归方程，对选取与目标用户最相似的N个用户作为目标用户的邻居，最后利用推荐公式实现对用户产生推荐，1加权信用模型计算描述为： 其中，CreditTacm,n表示信用值矩阵的转置,ωa,ωb,ωc分别代表不同等级的信任机构的信任权重，2信用值矩阵计算描述为： 其中，a为某一常数，c代表某一评判等级含有的第三方个人的数量，m代表行，q代表n个用户，max代表当前评判等级中最认可的第三方信任，min代表当前评判等级中认可度排名最后的第三方个人，3喜爱向量计算描述为：nati＝nati1,nati2,...,natij,...,natin其中，natin代表了第i个用户的第代表了第i个用户的n个属性，nati代表了第i个用户的喜爱向量，4对每一个用户的喜爱向量量化构建多元线性回归方程描述为：yi＝b0+b1nati1+b2nati2+...+bnnatin+μi其中，bn代表了第n个对评分值y产生影响的因素，b0代表了常数项，μi代表了随机误差，yi代表对于给定的nat向量，从而得到的第i个用户的评分值，5协同过滤方法计算目标用户与其他用户的相似度描述为： 其中distancem,n代表目标用户m与用户n之间的距离，k代表系统中总共有的用户数，Simm,n代表目标用户m与用户n之间的相似值，可选取与目标用户最相似的N个用户作为目标用户的邻居，6推荐公式描述为： 其中Rij代表在评分-项目矩阵中用户i对物品j的打分，Simm,i是两个用户m,i之间喜好的相近程度，代表当前用户m对它历史参与的任何项目的平均打分，代表了当前用户i对它历史参与的任何项目的平均打分，k代表选取k个与用户m较高喜爱相似度的用户，prem,j代表用户m对项目j的预测得分，求到的用户相似度，利用推荐公式，对用户产生推荐。

全文数据：

权利要求：

百度查询： 赣南师范大学 基于多元线性回归和第三方信用的改进协同过滤方法

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