一种基于神经网络的K近邻矩阵分解推荐方法

发明专利有效专利

申请号：
CN202110176380.4
IPC分类号：G06F16/9535;G06F16/906;G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-02-09
申请人：
上海海事大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于神经网络的K近邻矩阵分解推荐方法
申请号	CN202110176380.4	申请日期	2021-02-09
法律状态	实质审查	申报国家	中国
公开/公告日	2021-05-04	公开/公告号	CN112749345A
优先权	暂无	优先权号	暂无
主分类号	G06F16/9535	IPC分类号	G;0;6;F;1;6;/;9;5;3;5;;;G;0;6;F;1;6;/;9;0;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	上海海事大学	申请人地址	上海市浦东新区临港新城海港大道1550号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海海事大学	当前权利人	上海海事大学
发明人	项金;高俊波
代理机构	上海元好知识产权代理有限公司	代理人	张静洁;曹媛

摘要

本发明公开了一种基于神经网络的K近邻矩阵分解推荐方法，该方法包括：从网站中获取数据集，选取数据集中的若干个用户以及若干个项目，根据若干个用户和若干个项目组成初始矩阵；使用RBF神经网络对初始矩阵的部分空缺值进行预测填充，以降低初始矩阵的稀疏度；对于目标用户使用KNN算法计算在S2步骤中得出的初始矩阵中找到K个最近邻居用户，同理对于目标项目也找到K个最近邻居项目，根据该K个最近邻居用户和K个最近邻居项目构建评分矩阵；对评分矩阵进行矩阵分解，U矩阵代表目标用户的特征，V矩阵代表目标项目的特征，提取新的隐含特征，增加分解的可解释性；将评分矩阵的行列式乘上1/k作为评分标准，给定推荐阈值，判定是否给予推荐。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供