-
公开(公告)号：CN110209954A
公开(公告)日：2019-09-06
申请号：CN201910476821.5
申请日：2019-06-03
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于LDA主题模型和深度学习的群组推荐方法，包括：获取用户的历史信息，所述用户的历史信息包括：用户参与的服务信息、用户参与的群组信息；基于所述用户的历史信息中的主题内容以及LDA主题模型，获得所述用户的历史信息的期间范围内的动态偏好；描述所述用户的动态偏好与服务之间的对应关系；通过群组中各个用户之间的相互影响，修正群组内各个用户的动态偏好与服务之间的对应关系，之后得到群组对于服务的偏好。采用上述方案，可以解决用户偏好相对于时间因素而产生变化的问题；考虑到用户的社交关系对用户的服务选择的影响，更符合实际生活中推荐系统的需求，提高了推荐的精度和准确度。
-
公开(公告)号：CN110209954B
公开(公告)日：2022-08-26
申请号：CN201910476821.5
申请日：2019-06-03
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于LDA主题模型和深度学习的群组推荐方法，包括：获取用户的历史信息，所述用户的历史信息包括：用户参与的服务信息、用户参与的群组信息；基于所述用户的历史信息中的主题内容以及LDA主题模型，获得所述用户的历史信息的期间范围内的动态偏好；描述所述用户的动态偏好与服务之间的对应关系；通过群组中各个用户之间的相互影响，修正群组内各个用户的动态偏好与服务之间的对应关系，之后得到群组对于服务的偏好。采用上述方案，可以解决用户偏好相对于时间因素而产生变化的问题；考虑到用户的社交关系对用户的服务选择的影响，更符合实际生活中推荐系统的需求，提高了推荐的精度和准确度。
-
公开(公告)号：CN108322344B
公开(公告)日：2021-03-09
申请号：CN201810112975.1
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明涉及一种大数据场景下面向群组的服务可靠性预测方法，该方法主要包括提出固有群组中用户相似度求解，动态计算相似度阈值，低成本计算服务相似度可靠性矩阵方法，离线计算可靠性矩阵模型，并通过CDN分发计算后的可靠性矩阵，基于地理位置处理用户的请求，以保证用户请求可以得到快速响应。本发明不仅能够计算用户群组个体之间的相似度,并利用协同理论来预测群组中用户在使用服务过程中的可靠性。
-
公开(公告)号：CN108322344A
公开(公告)日：2018-07-24
申请号：CN201810112975.1
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明涉及一种大数据场景下面向群组的服务可靠性预测方法，该方法主要包括提出固有群组中用户相似度求解，动态计算相似度阈值，低成本计算服务相似度可靠性矩阵方法，离线计算可靠性矩阵模型，并通过CDN分发计算后的可靠性矩阵，基于地理位置处理用户的请求，以保证用户请求可以得到快速响应。本发明不仅能够计算用户群组个体之间的相似度,并利用协同理论来预测群组中用户在使用服务过程中的可靠性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
