-
公开(公告)号：CN110825981A
公开(公告)日：2020-02-21
申请号：CN201911076443.8
申请日：2019-11-06
Applicant: 合肥工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于证据理论的群推荐方法，其步骤包括：1、用三元组分别表示用户对项目的评分，以及用户与群组之间所属关系；2、实施概率矩阵分解方法，获取群组中每个成员对项目的预测评分；3、定义群组中每个成员的权重以及可靠性；4、针对每个群组，利用证据推理方法融合群成员的预测评分信息，获得群组对项目的预测评分；5、根据群组对项目的预测评分由高到低排序，选取前W个项目最终构成该群组的推荐列表。本发明能够在为群进行推荐时充分考虑群成员的权重，并同时为不同权重的证据赋予一定的可靠性，通过采用证据理论的方法合成尽可能使大多数群成员都满意的群推荐结果，从而有效提高群推荐的效果。
-
公开(公告)号：CN109002858A
公开(公告)日：2018-12-14
申请号：CN201810814178.8
申请日：2018-07-23
Applicant: 合肥工业大学
Abstract: 本发明提供一种用于用户行为分析的基于证据推理的集成聚类方法，能够充分考虑用户数据的时间特性以及基聚类器的可信程度，通过采用证据推理的方法综合解决单个聚类器鲁棒性和稳定性不强和现有集成聚类方法适应性较差的问题，从而提高用户行为数据的聚类效果。本发明的有益效果在于：能够克服用户行为数据因高维所带来的传统聚类算法失效的问题；能够综合解决单个聚类器鲁棒性和稳定性不强和现有集成聚类方法适应性较差的问题，从而提高用户行为数据的聚类效果；本发明可用于用户行为数据的聚类，特别是带有高维特征的用户行为数据聚类问题，还可以用于流数据的聚类等，应用范围广泛。
-
公开(公告)号：CN109002858B
公开(公告)日：2022-01-28
申请号：CN201810814178.8
申请日：2018-07-23
Applicant: 合肥工业大学
IPC: G06V10/762 , G06K9/62 , G06N5/04
Abstract: 本发明提供一种用于用户行为分析的基于证据推理的集成聚类方法，能够充分考虑用户数据的时间特性以及基聚类器的可信程度，通过采用证据推理的方法综合解决单个聚类器鲁棒性和稳定性不强和现有集成聚类方法适应性较差的问题，从而提高用户行为数据的聚类效果。本发明的有益效果在于：能够克服用户行为数据因高维所带来的传统聚类算法失效的问题；能够综合解决单个聚类器鲁棒性和稳定性不强和现有集成聚类方法适应性较差的问题，从而提高用户行为数据的聚类效果；本发明可用于用户行为数据的聚类，特别是带有高维特征的用户行为数据聚类问题，还可以用于流数据的聚类等，应用范围广泛。
-
公开(公告)号：CN110825981B
公开(公告)日：2021-08-17
申请号：CN201911076443.8
申请日：2019-11-06
Applicant: 合肥工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于证据理论的群推荐方法，其步骤包括：1、用三元组分别表示用户对项目的评分，以及用户与群组之间所属关系；2、实施概率矩阵分解方法，获取群组中每个成员对项目的预测评分；3、定义群组中每个成员的权重以及可靠性；4、针对每个群组，利用证据推理方法融合群成员的预测评分信息，获得群组对项目的预测评分；5、根据群组对项目的预测评分由高到低排序，选取前W个项目最终构成该群组的推荐列表。本发明能够在为群进行推荐时充分考虑群成员的权重，并同时为不同权重的证据赋予一定的可靠性，通过采用证据理论的方法合成尽可能使大多数群成员都满意的群推荐结果，从而有效提高群推荐的效果。
-
-
-
Search Results
4
records
(took 0.015 seconds)
