-
公开(公告)号:CN116108246A
公开(公告)日:2023-05-12
申请号:CN202211555099.2
申请日:2022-12-06
Applicant: 重庆邮电大学
IPC: G06F16/9035 , G06F16/9038 , G06F40/30
Abstract: 本发明涉及一种考虑用户偏好一致性的语义非对称相似性推荐系统,属于推荐技术领域。包括:获取和清洗数据信息;转化评分为模糊语言术语;获取对目标项目i有过评分行为的用户集合Ui;借助概率语言术语集理论,计算项目间的语义相似性;获取用户对项目i和j的偏好信息;利用巴氏系数方法计算项目间的用户偏好一致性;利用用户一致性结果去调整语义相似性;获取项目i和j的共同评价项数量和目标项目i的用户评价数量,利用Sigmoid函数来计算项目间的非对称关系;利用项目间的非对称关系来打破加权后的语义相似性的对称性;利用评分预测方法计算出目标用户u在未评分项目上的预测值;对预测集合排序,并将预测值最高的前n个项目推送给目标用户u。
-
公开(公告)号:CN116881552A
公开(公告)日:2023-10-13
申请号:CN202310786127.X
申请日:2023-06-29
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/9538 , G06F18/24 , G06N3/048 , G06N3/08 , G06Q30/0601 , G06F18/23213
Abstract: 本发明主要提出融合可靠性的联合神经协同过滤推荐系统,属于推荐技术领域。包括数据采集和预处理,转化为用户‑项目评分矩阵R;借助直觉模糊集概念来检测自然噪声并生成可靠性矩阵;设计双线性交互层提升获取特征向量低阶交互质量;通过统一的深度神经网络将评分训练和可靠性训练紧密耦合,从而双向增强评分预测和可靠性预测;根据预测分数对预测集合排序,取前top‑N个作为推荐列表;根据实验得出的最佳可靠性阈值过滤不可靠的预测评级,确保最终推荐列表的可信度,有效提升模型推荐性能。
-
公开(公告)号:CN115858944A
公开(公告)日:2023-03-28
申请号:CN202211568216.9
申请日:2022-12-06
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06N3/04 , G06N3/084
Abstract: 本发明提出一种融合注意力机制的残差神经协同过滤推荐系统,属于推荐技术领域。包括有服务器,用于设置数据采集及准备模块、偏好信息提取模块、模型训练模块、模型预测和推荐模块。同时,服务器连接连接数据库,为上述模块提供数据信息;智能终端,即用户所使用的手机或者电脑,能够保留用户在终端上浏览、点击或购买物品的行为数据信息并将其传入上述数据库中进行保存;数据库,连接智能终端,用于保存用户在智能终端上留下的行为数据信息;数据采集及准备模块提取上述数据库提供的用户行为数据,并对其进行清洗和标准化;偏好信息提取模块从提供的用户行为数据中,提取用户对物品的偏好信息,以此建模;模型训练模块进行求解,获得模型的最优参数,最后通过推荐模块为每个用户提供个性化物品推荐,以提高用户的满意程度。
-
-