Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北工业大学王震获国家专利权

西北工业大学王震获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西北工业大学申请的专利一种融合社交网络图与超图信息的推荐系统矩阵填充方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118646793B

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410752594.5,技术领域涉及:H04L67/55;该发明授权一种融合社交网络图与超图信息的推荐系统矩阵填充方法是由王震;马中天;张乔生;高超设计研发完成,并于2024-06-12向国家知识产权局提交的专利申请。

一种融合社交网络图与超图信息的推荐系统矩阵填充方法在说明书摘要公布了:本发明公开了一种融合社交网络图与超图信息的推荐系统矩阵填充方法,包括以下步骤:S1、使用生成式模型建模生成社交网络图信息和超图信息;S2、待补全推荐矩阵的生成与输入;S3、通过三阶段算法,利用社交网络超图信息与待补全矩阵信息进行矩阵填充,输出补全后的推荐矩阵,进而完成推荐任务;S4、收集用户反馈信息,优化推荐算法:根据用户的反馈,改进社交网络信息进而优化推荐算法。相较于现有方法,本发明使用混合图与更为复杂的超图进行建模,可以更好充分利用复杂的社交网络数据,在此基础上通过三阶段算法利用社交网络超图信息辅助矩阵填充,能够进行更精确的矩阵回复,进而赋能推荐系统实现更高效的推荐。

本发明授权一种融合社交网络图与超图信息的推荐系统矩阵填充方法在权利要求书中公布了:1.一种融合社交网络图与超图信息的推荐系统矩阵填充方法,包括以下步骤: S1、使用生成式模型建模生成社交网络图信息和超图信息; 包括以下步骤:采集用户的数据,根据用户之间关系,建模生成社交网络图与超图信息的生成;若用户与用户之间为二元关系,则利用概率图生成模型,使用超图结构建模生成社交网络图信息;若用户间的关系为多元关系,则利用概率图生成模型,使用超图结构建模生成社交网络超图信息; 所述利用概率图生成模型,使用超图结构生成社交网络超图信息,具体步骤为: 概率图生成模型假设所有n个用户群体被分为k个不同的社团,并且相同社团之间的人存在超边的概率为p,不同社团之间的人存在超边的概率为q,并且pq;此外,在生成社交超图信息时,还需要确定超图中超边的度d,即每个超边能包含多少个节点,这里d的取值为2到W;对于不同的d,需要给出对应的p和q,记作与;当给定了与的值后,对于n个用户中的任意d个用户以与的概率进行随机的超边生成,即可生成一个社交网络超图信息;另外,当将d取值为2时,即可生成社交网络图信息; S2、待补全推荐矩阵的生成与输入; 包括以下步骤:根据用户的历史数据与社团信息生成完整的推荐矩阵,再对完整的推荐矩阵中的每一项进行相同概率的翻转或者丢失,进而得到待补全的噪声可控的推荐矩阵; S3、通过三阶段算法,利用社交网络超图信息与待补全矩阵信息进行矩阵填充,输出补全后的推荐矩阵,进而完成推荐任务; 包括以下步骤: 第一阶段、根据下式1,使用图与超图计算加权邻接矩阵A,对超图中的社团进行部分恢复;使用谱聚类算法,得到初始社团恢复;其中加权邻接矩阵A的计算公式具体如下: 式中,Hd表示将超图H按照超边的度进行分解得到的多个超图,其中还包括图结构;d表示超图H中每条边的度,d取值为2到W;表示表示对Hd进行转置操作后得到的矩阵; 第二阶段、在第一阶段部分恢复的基础上,使用多数投票法得到每个社团对于物品的大致喜好; 第三阶段、根据每个用户当前的社团归属以及物品评分,重新调整各用户的社团划分归属; 所述阶段二中,使用多数投票法得到每个社团的评分矩阵时,假设社团内部的人在对物品评分时有相同的倾向; 所述阶段三中,根据每个用户当前的社团归属以及物品评分,重新调整各用户的社团划分归属,具体包括以下步骤: 遍历每个用户,根据每个用户当前的社团归属以及物品评分,利用社交网络信息与评分矩阵信息对用户所在社团进行微调,进而实现社团的精确划分;其中,对于第个用户,依据下式2确定其所在社团: 式中,为最终输出的用户所在的社团,为超参数,表示初始划分在社区k的用户的集合,表示初始划分在社区k的用户的数量,表示用户与社团成员所存在的超边的数量,表示用户的评分与社团k中经过最大投票法得到的用户评分相同的数量: 还包括:对三阶段算法的评估验证: 如果超图数据完全符合“随机块模型”的生成规则,那么通过如下式3-5准确估计超参数,进而保证算法的最优性,其中超参数表示如下式3所示: 其中,与表示关于分解后的超图Hd的参数,可以由下式4和5准确估算: 其中,K为社团的数量,为超图Hd中所有超边的数量; S4、收集用户反馈信息,优化推荐算法:根据用户的反馈,改进社交网络信息进而优化推荐算法。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西北工业大学,其通讯地址为:710072 陕西省西安市碑林区友谊西路127号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。