公开(公告)号：CN105740430A

公开(公告)日：2016-07-06

申请号：CN201610067099.6

申请日：2016-01-29

Applicant: 大连理工大学

Inventor： 林鸿飞 ,  练绪宝

IPC: G06F17/30 ,  G06Q50/00

CPC classification number: G06F17/30867 ,  G06Q50/01

Abstract: 一种融合社会化信息的个性化推荐方法，包括以下步骤：S1、构建用户?用户信任矩阵；S2、构建项目?项目标签相似度矩阵；S3、构建及训练模型：S4、预测用户对于未知项目的偏好。本发明主要有如下优点：1) 将信息检索领域中排序学习的方法应用到Top?K推荐中，有效地解决了推荐系统中的排序问题，同时克服了传统的基于评分预测方法无法有效进行Top?K推荐的缺点；2) 在基于排序学习的模型中融合了社会化信息即用户社交信息和项目标签信息，提高了推荐结果的准确率。

公开(公告)号：CN105740430B

公开(公告)日：2018-08-14

申请号：CN201610067099.6

申请日：2016-01-29

Applicant: 大连理工大学

Inventor： 林鸿飞 ,  练绪宝

IPC: G06F17/30 ,  G06Q50/00

Abstract: 一种融合社会化信息的个性化推荐方法，包括以下步骤：S1、构建用户‑用户信任矩阵；S2、构建项目‑项目标签相似度矩阵；S3、构建及训练模型：S4、预测用户对于未知项目的偏好。本发明主要有如下优点：1)将信息检索领域中排序学习的方法应用到Top‑K推荐中，有效地解决了推荐系统中的排序问题，同时克服了传统的基于评分预测方法无法有效进行Top‑K推荐的缺点；2)在基于排序学习的模型中融合了社会化信息即用户社交信息和项目标签信息，提高了推荐结果的准确率。