公开(公告)号：CN112069419B

公开(公告)日：2021-03-30

申请号：CN202010932739.1

申请日：2020-09-08

Applicant: 杭州电子科技大学

Inventor： 何中杰 ,  陈永森 ,  陆玲霞 ,  朱晨瑞

IPC: G06F16/9536 ,  G06F16/9535

Abstract: 本发明公开了一种融合用户弱痕迹行为偏好的互相关协同过滤方法。本发明通过采集点击、物品被浏览时间等弱痕迹行为，构建用户的评分矩阵和弱痕迹行为矩阵，并将用户的算术评分均值赋值表示用户的弱痕迹行为偏好，得到融合用户弱痕迹行为偏好的评分增强矩阵，更准确地描述用户行为偏好和物品之间的相关性；进而提出一种改进的互相关系数计算方法，融合热门惩罚系数构建“用户‑用户”偏好相似度矩阵，预测用户对物品的偏好相似度，优化相似偏好物品的推荐排序。本发明改善了传统协同过滤方法中的数据稀疏问题，降低了用户评分尺度不一、热门因素造成非偏好行为等因素对用户偏好相似度计算的影响，从而有效提高相似偏好推荐结果及排序的准确性。

公开(公告)号：CN112069419A

公开(公告)日：2020-12-11

申请号：CN202010932739.1

申请日：2020-09-08

Applicant: 杭州电子科技大学

Inventor： 何中杰 ,  陈永森 ,  陆玲霞 ,  朱晨瑞

IPC: G06F16/9536 ,  G06F16/9535

Abstract: 本发明公开了一种融合用户弱痕迹行为偏好的互相关协同过滤方法。本发明通过采集点击、物品被浏览时间等弱痕迹行为，构建用户的评分矩阵和弱痕迹行为矩阵，并将用户的算术评分均值赋值表示用户的弱痕迹行为偏好，得到融合用户弱痕迹行为偏好的评分增强矩阵，更准确地描述用户行为偏好和物品之间的相关性；进而提出一种改进的互相关系数计算方法，融合热门惩罚系数构建“用户‑用户”偏好相似度矩阵，预测用户对物品的偏好相似度，优化相似偏好物品的推荐排序。本发明改善了传统协同过滤方法中的数据稀疏问题，降低了用户评分尺度不一、热门因素造成非偏好行为等因素对用户偏好相似度计算的影响，从而有效提高相似偏好推荐结果及排序的准确性。