公开(公告)号：CN109101642B

公开(公告)日：2022-06-24

申请号：CN201810951568.X

申请日：2018-08-20

Applicant: 南京工业大学

Inventor： 毛宇佳 ,  刘学军 ,  何瑾琳 ,  张军强 ,  陆淑娟

IPC: G06F16/9535 ,  G06K9/62 ,  G06Q50/00

Abstract: 本发明公开了一种基于子组与社会行为的缩小群组推荐列表方法，属于数据处理技术领域。本发明包括对数据集划分成若干群组，得到项目主题特征模型与用户主题偏好模型，将每个群组划分为若干个子组；根据所述子组获取初始群组推荐列表、子组偏好和子组权重；根据所述子组权重与子组偏好，通过加权模型得到群组偏好；将所述群组偏好与所述初始群组推荐列表进行相似度匹配，得到最终群组推荐列表。本发明可以在满足推荐准确性与公平性的前提下，最大化缩小群组推荐列表，使群组成员可以更方便地做出选择。

公开(公告)号：CN109190030A

公开(公告)日：2019-01-11

申请号：CN201810965309.2

申请日：2018-08-22

Applicant: 南京工业大学

Inventor： 何瑾琳 ,  刘学军 ,  张欣 ,  李斌 ,  徐新艳

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合node2vec和深度神经网络的隐式反馈推荐方法，属于数据处理技术领域。本发明包括获取用户潜在向量和项目潜在向量的步骤；获取用户上下文预测和项目上下文预测的步骤；产生用户对项目偏好预测并进行训练的步骤；共同训练的步骤。本发明可以很好地考虑到用户和项目丰富的元数据信息，具有较高的推荐精确度和模型的训练效率。

公开(公告)号：CN109190030B

公开(公告)日：2022-04-05

申请号：CN201810965309.2

申请日：2018-08-22

Applicant: 南京工业大学

Inventor： 何瑾琳 ,  刘学军 ,  张欣 ,  李斌 ,  徐新艳

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合node2vec和深度神经网络的隐式反馈推荐方法，属于数据处理技术领域。本发明包括获取用户潜在向量和项目潜在向量的步骤；获取用户上下文预测和项目上下文预测的步骤；产生用户对项目偏好预测并进行训练的步骤；共同训练的步骤。本发明可以很好地考虑到用户和项目丰富的元数据信息，具有较高的推荐精确度和模型的训练效率。

公开(公告)号：CN109101642A

公开(公告)日：2018-12-28

申请号：CN201810951568.X

申请日：2018-08-20

Applicant: 南京工业大学

Inventor： 毛宇佳 ,  刘学军 ,  何瑾琳 ,  张军强 ,  陆淑娟

IPC: G06F17/30 ,  G06Q50/00

Abstract: 本发明公开了一种基于子组与社会行为的缩小群组推荐列表方法，属于数据处理技术领域。本发明包括对数据集划分成若干群组，得到项目主题特征模型与用户主题偏好模型，将每个群组划分为若干个子组；根据所述子组获取初始群组推荐列表、子组偏好和子组权重；根据所述子组权重与子组偏好，通过加权模型得到群组偏好；将所述群组偏好与所述初始群组推荐列表进行相似度匹配，得到最终群组推荐列表。本发明可以在满足推荐准确性与公平性的前提下，最大化缩小群组推荐列表，使群组成员可以更方便地做出选择。