公开(公告)号：CN106066873B

公开(公告)日：2019-09-27

申请号：CN201610369838.7

申请日：2016-05-30

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  冯梦园 ,  刘红丽 ,  徐琳 ,  王世鹏 ,  杨楠 ,  刘广强 ,  张玉鹏 ,  刘天宇 ,  李华峰

IPC: G06F16/2455 ,  G06F16/2457

Abstract: 一种基于本体的旅游信息推荐方法，本发明涉及基于本体的旅游信息推荐方法。本发明的目的是为了解决现有旅游推荐结果不准确以及推荐呈现静态化的问题。具体过程为：一、构建旅游景点本体；二、采用FP‑Growth算法挖掘用户之间的关联规则；三、采用关联规则的阈值将用户分为关联用户和无规则用户；四、将关联用户采用融入时间因子和评价因子的协同过滤算法，生成景点推荐；五、将无规则用户采用基于旅游景点本体的协同过滤算法，生成景点推荐；六、将四和五的旅游景点推荐结果进行融合；七、将融合的结果进行上下文信息过滤；八、将过滤后的结果进行基于旅游景点本体的信息拓展。本发明用于旅游信息推荐领域。

公开(公告)号：CN105843971A

公开(公告)日：2016-08-10

申请号：CN201610416291.1

申请日：2016-06-08

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  李华峰 ,  刘红丽 ,  王世鹏 ,  冯梦园 ,  张玉鹏 ,  杨楠 ,  刘广强 ,  刘天宇 ,  徐琳

IPC: G06F17/30

CPC classification number: G06F17/30705 ,  G06F17/30598

Abstract: 一种基于RLID3的增量集成学习的数据分类方法，属于数据分类领域，尤其涉及一种基于RLID3的增量集成学习的数据分类方法。本发明要为解决现有分类方法中存在准确率不高的问题。本发明所述方法按以下步骤进行：1、初始阶段：①第1阶段包括训练基分类器以及计算基分类器的权重；②第2个阶段是组合所有基分类器的预测结果，对预分类样本数据进行分类结果的预测；2、增量阶段：①第1阶段输入增量数据集和初始阶段的所有基分类器，输出调整后的基分类器；②第2个阶段组合所有调整后的基分类器的预测结果，对预分类样本数据进行分类结果的预测。基于RLID3的增量集成方法具有较好的分类准确率。本发明所述方法可应用于数据分类领域。

公开(公告)号：CN106066873A

公开(公告)日：2016-11-02

申请号：CN201610369838.7

申请日：2016-05-30

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  冯梦园 ,  刘红丽 ,  徐琳 ,  王世鹏 ,  杨楠 ,  刘广强 ,  张玉鹏 ,  刘天宇 ,  李华峰

IPC: G06F17/30

Abstract: 一种基于本体的旅游信息推荐方法，本发明涉及基于本体的旅游信息推荐方法。本发明的目的是为了解决现有旅游推荐结果不准确以及推荐呈现静态化的问题。具体过程为：一、构建旅游景点本体；二、采用FP‑Growth算法挖掘用户之间的关联规则；三、采用关联规则的阈值将用户分为关联用户和无规则用户；四、将关联用户采用融入时间因子和评价因子的协同过滤算法，生成景点推荐；五、将无规则用户采用基于旅游景点本体的协同过滤算法，生成景点推荐；六、将四和五的旅游景点推荐结果进行融合；七、将融合的结果进行上下文信息过滤；八、将过滤后的结果进行基于旅游景点本体的信息拓展。本发明用于旅游信息推荐领域。

公开(公告)号：CN106096647A

公开(公告)日：2016-11-09

申请号：CN201610403291.8

申请日：2016-06-08

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  李华峰 ,  刘红丽 ,  冯梦园 ,  王世鹏 ,  刘广强 ,  张玉鹏 ,  杨楠 ,  刘天宇 ,  徐琳

IPC: G06K9/62

CPC classification number: G06K9/6282

Abstract: 一种基于决策树优化率的RLID3数据分类方法，本发明涉及基于决策树优化率的RLID3数据分类方法。本发明的目的是为了解决现有决策树的分类准确率低的问题。具体过称为：步骤一、对信息增益进行优化，得到决策树优化率；步骤二、基于决策树优化率得到RLID3算法，RLID3算法即在ID3算法的过程中将信息增益转换成决策树优化率。本发明用于分类领域。