公开(公告)号：CN108694234A

公开(公告)日：2018-10-23

申请号：CN201810431077.2

申请日：2018-05-08

Applicant: 重庆邮电大学

Inventor： 徐光侠 ,  唐杰 ,  刘宴兵 ,  赵泽浩 ,  黄卿怡 ,  邹娜

IPC: G06F17/30 ,  G06Q30/06

CPC classification number: G06Q30/0631

Abstract: 本发明涉及一种基于改进协同过滤算法的服务推荐模型。主要包括基于用户的协同过滤进行服务推荐、引入巴氏系数(Bhattacharyya Coefficient)及Jaccard系数进而提高推荐服务准确率两部分。通过发现用户最近邻，根据用户的兴趣，挖掘数据，并通过数学函数对目标计算，再通过评分矩阵，依据矩阵产生分数罗列推荐列表，在此基础上，本技术基于传统协同过滤算法进行改进，并融合巴氏系数和Jaccard系数，从而进行精准服务推荐。本发明形成一种新的User‑Based Model，并提高传统协同过滤算法的精确度，属于数据挖掘与深度学习的交叉领域。个性化推荐的出现是为了解决信息过载的问题，通过研究不同用户的兴趣，主动为用户推荐最需要的资源，从而更好地解决互联网信息日益庞大与用户需求之间的矛盾。

公开(公告)号：CN108460489A

公开(公告)日：2018-08-28

申请号：CN201810212948.1

申请日：2018-03-15

Applicant: 重庆邮电大学

Inventor： 徐光侠 ,  唐杰 ,  刘宴兵 ,  赵泽浩 ,  黄卿怡

IPC: G06Q10/04 ,  G06Q50/10 ,  G06N3/08

Abstract: 本发明请求保护一种基于大数据技术的用户行为分析与服务推荐机制，涉及基于数据挖掘的用户行为预测模型以及服务推荐两部分。基于大数据的实时性计算方法研究，为数据服务层提供准确且实时的分析结果。基于机器学习算法对用户行为进行建模分析与服务推荐，采用机器学习算法精确生成用户行为预测模型。在用户行为预测模型基础上，利用深度神经网络算法进行服务推荐，达到快速准确识别用户行为并进行服务推荐的目的。