公开(公告)号：CN112749345B

公开(公告)日：2023-11-14

申请号：CN202110176380.4

申请日：2021-02-09

Applicant: 上海海事大学

Inventor： 项金 ,  高俊波

IPC: G06F16/9535 ,  G06F16/906 ,  G06F18/23213 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于神经网络的K近邻矩阵分解推荐方法，该方法包括：从网站中获取数据集，选取数据集中的若干个用户以及若干个项目，根据若干个用户和若干个项目组成初始矩阵；使用RBF神经网络对初始矩阵的部分空缺值进行预测填充，以降低初始矩阵的稀疏度；对于目标用户使用KNN算法计算在S2步骤中得出的初始矩阵中找到K个最近邻居用户，同理对于目标项目也找到K个最近邻居项目，根据该K个最近邻居用户和K个最近邻居项目构建评分矩阵；对评分矩阵进行矩阵分解，U矩阵代表目标用户的特征，V矩阵代表目标项目的特征，提取新的隐含特征，增加分解的可解释性；将评分矩阵的行列式乘上1/k作为评分标准，给定推荐阈值，判定是否给予推荐。

公开(公告)号：CN112749345A

公开(公告)日：2021-05-04

申请号：CN202110176380.4

申请日：2021-02-09

Applicant: 上海海事大学

Inventor： 项金 ,  高俊波

IPC: G06F16/9535 ,  G06F16/906 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于神经网络的K近邻矩阵分解推荐方法，该方法包括：从网站中获取数据集，选取数据集中的若干个用户以及若干个项目，根据若干个用户和若干个项目组成初始矩阵；使用RBF神经网络对初始矩阵的部分空缺值进行预测填充，以降低初始矩阵的稀疏度；对于目标用户使用KNN算法计算在S2步骤中得出的初始矩阵中找到K个最近邻居用户，同理对于目标项目也找到K个最近邻居项目，根据该K个最近邻居用户和K个最近邻居项目构建评分矩阵；对评分矩阵进行矩阵分解，U矩阵代表目标用户的特征，V矩阵代表目标项目的特征，提取新的隐含特征，增加分解的可解释性；将评分矩阵的行列式乘上1/k作为评分标准，给定推荐阈值，判定是否给予推荐。