公开(公告)号：CN109636529B

公开(公告)日：2022-04-12

申请号：CN201811536326.0

申请日：2018-12-14

Applicant: 苏州大学

Inventor： 张莉 ,  李泽鹏 ,  王邦军 ,  周伟达 ,  凌兴宏

IPC: G06Q30/06

Abstract: 本发明实施例公开了一种商品推荐方法、装置和计算机可读存储介质，依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；在每个商品子空间中包括有用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；根据各评分支持度，确定出目标用户的近邻用户集。根据评分规则，从近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。通过计算评分支持度的方式，可以快速的确定出目标用户的近邻用户集，提升了商品推荐的处理效率。并且从近邻用户集所对应的商品中选取推荐商品，使得推荐的商品更加符合用户的实际需求，提高了资源推荐的性能。

公开(公告)号：CN109658210A

公开(公告)日：2019-04-19

申请号：CN201910123041.2

申请日：2019-02-18

Applicant: 苏州大学

Inventor： 张莉 ,  李泽鹏 ,  王邦军 ,  周伟达

IPC: G06Q30/06

Abstract: 本发明公开了一种商品推荐方法，通过获取不同用户分别针对不同商品的评分数据，评分数据用于表征用户对商品的喜欢程度；根据不同用户对商品的评分数据，对不同用户之间的用户相似度进行计算；根据目标用户的近邻用户对待推荐商品的评分数据得到目标用户对待推荐商品的评分数据，以对商品进行推荐。本申请基于近邻传播的商品推荐方法，采用迭代的思想，将每一轮的评分数据带入到下一轮预测评分当中，使得评分矩阵越来越稠密，也致使预测评分越来越精确。因此，本申请可以更好地提高商品推荐的性能。此外，本申请还提供了一种具有上述技术效果的商品推荐装置、设备以及计算机可读存储介质。

公开(公告)号：CN109636529A

公开(公告)日：2019-04-16

申请号：CN201811536326.0

申请日：2018-12-14

Applicant: 苏州大学

Inventor： 张莉 ,  李泽鹏 ,  王邦军 ,  周伟达 ,  凌兴宏

IPC: G06Q30/06

CPC classification number: G06Q30/0631 ,  G06Q30/0623

Abstract: 本发明实施例公开了一种商品推荐方法、装置和计算机可读存储介质，依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；在每个商品子空间中包括有用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；根据各评分支持度，确定出目标用户的近邻用户集。根据评分规则，从近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。通过计算评分支持度的方式，可以快速的确定出目标用户的近邻用户集，提升了商品推荐的处理效率。并且从近邻用户集所对应的商品中选取推荐商品，使得推荐的商品更加符合用户的实际需求，提高了资源推荐的性能。

公开(公告)号：CN109063137A

公开(公告)日：2018-12-21

申请号：CN201810877742.0

申请日：2018-08-03

Applicant: 苏州大学

Inventor： 张莉 ,  李泽鹏 ,  王邦军

IPC: G06F17/30

Abstract: 本发明公开了一种推荐对象确定方法，该方法包括以下步骤：在全局表中，获取目标用户的每个近邻用户对目标对象的印象分值；获取并利用每个近邻用户与目标用户的相似性，计算出每个近邻用户对应的权重系数；将每个近邻用户的权重系数和每个近邻用户对目标对象的印象分值输入到预设估分计算模型中，获得目标用户对目标对象的预估分值；当预估分值大于推荐阈值时，将目标对象确定为推荐给目标用户的推荐对象。本发明实施例所提供的技术方案确定的推荐对象与用户具有较高的匹配性，个性化更强。可适用于稀疏性较强的应用场景中，提升推荐效果。本发明还公开了一种推荐对象确定装置、设备及可读存储介质，具有相应的技术效果。

公开(公告)号：CN108710703A

公开(公告)日：2018-10-26

申请号：CN201810522150.7

申请日：2018-05-28

Applicant: 苏州大学

Inventor： 张莉 ,  程江飞 ,  李泽鹏 ,  王邦军 ,  张召 ,  李凡长

IPC: G06F17/30

Abstract: 本发明公开了一种基于聚类算法的影片评分预测方法，在输入评分训练样本集后，对评分进行预处理得到评分集合，对评分集合中，值为零的评分项首先进行一次预测得到不为零的新评分，将新评分替代每个类别集合中相应的值为零的评分项，得到新评分集合，新评分集合与预测前的类别评分集合相比，稀疏度得到有效降低，因此利用新评分集合确定的目标用户的近邻就会更优，从而就会很大程度上提高电影评分预测的准确性，以及提高电影推荐的准确性。本发明还提供了一种基于聚类算法的电影评分预测系统、装置及计算机可读存储介质，同样可以实现上述效果。