買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉遼寧工業(yè)大學(xué)申請(qǐng)的專利基于張量分解和模糊C-均值聚類的協(xié)同推薦算法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114861078B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210313853.5，技術(shù)領(lǐng)域涉及：G06F16/9536；該發(fā)明授權(quán)基于張量分解和模糊C-均值聚類的協(xié)同推薦算法是由伊華偉;錢慧慧;曲航;劉婧彤設(shè)計(jì)研發(fā)完成，并于2022-03-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于張量分解和模糊C-均值聚類的協(xié)同推薦算法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了基于張量分解和模糊C?均值聚類的協(xié)同推薦算法，涉及協(xié)同過(guò)濾推薦算法技術(shù)領(lǐng)域，包括以下步驟，首先，捕捉一些個(gè)性化的信息，在傳統(tǒng)的用戶項(xiàng)目的二元關(guān)系基礎(chǔ)上，增加項(xiàng)目類型等多個(gè)維度的信息，構(gòu)成張量。本發(fā)明針對(duì)傳統(tǒng)協(xié)同過(guò)濾推薦算法中的數(shù)據(jù)稀疏性問(wèn)題，提出了基于張量分解和模糊聚類的協(xié)同過(guò)濾推薦算法，一方面，利用張量分解對(duì)缺失數(shù)據(jù)進(jìn)行填充，降低其稀疏性，并挖掘潛在信息，去除噪聲；另一方面，基于填充后的矩陣，采用模糊C?均值聚類算法對(duì)用戶進(jìn)行分類，減小目標(biāo)用戶的最近鄰搜索空間，提高算法的可擴(kuò)展性，最后用傳統(tǒng)推薦算法在目標(biāo)用戶所在的類中產(chǎn)生推薦結(jié)果，具有很好的推薦性能。

本發(fā)明授權(quán)基于張量分解和模糊C-均值聚類的協(xié)同推薦算法在權(quán)利要求書(shū)中公布了：1.基于張量分解和模糊C-均值聚類的協(xié)同推薦算法，其特征在于，包括以下步驟： S1：首先，捕捉一些個(gè)性化的信息，在傳統(tǒng)的用戶項(xiàng)目的二元關(guān)系基礎(chǔ)上，增加項(xiàng)目類別維度的信息，構(gòu)成張量； S2：綜合考慮用戶、項(xiàng)目和項(xiàng)目類別三個(gè)方面，構(gòu)建一個(gè)三階張量，通過(guò)張量分解充分挖掘數(shù)據(jù)的隱含信息，采用梯度下降對(duì)三階張量進(jìn)行分解，得到用戶特征矩陣、項(xiàng)目特征矩陣和項(xiàng)目類別特征矩陣，從而求得缺失值，解決張量的稀疏性； S3：將張量分解的過(guò)程看作是一個(gè)低秩逼近問(wèn)題，簡(jiǎn)單地使總的誤差最小，將張量分解的逼近問(wèn)題轉(zhuǎn)化為一個(gè)無(wú)約束的優(yōu)化問(wèn)題，并得到優(yōu)化公式； S4：設(shè)計(jì)基于張量分解的稀疏張量填充算法，得到的用戶特征矩陣、項(xiàng)目特征矩陣、項(xiàng)目類別特征矩陣以及填充后的張量，所述稀疏張量填充算法包括第一算法和第二算法，所述第一算法為輸入原始張量R，用戶數(shù)m、項(xiàng)目數(shù)n、迭代步長(zhǎng)以及項(xiàng)目類別數(shù)c，第1行初始化用戶特征矩陣、項(xiàng)目特征矩陣和類別特征矩陣；第2~7行進(jìn)行張量分解，并通過(guò)迭代法填充稀疏張量；第8行返回得到的用戶特征矩陣、項(xiàng)目特征矩陣、類別特征矩陣以及填充后的張量； 輸出：用戶特征矩陣、項(xiàng)目特征矩陣、類別特征矩陣以及填充后的張量； 所述第二算法為輸入用戶項(xiàng)目評(píng)分?jǐn)?shù)據(jù)集A，項(xiàng)目類別數(shù)據(jù)集B，模糊系數(shù)m1，聚類數(shù)c1，收斂精度epsm，迭代次數(shù)t，第1行進(jìn)行初始化；第2行基于評(píng)分矩陣及項(xiàng)目類別矩陣構(gòu)造用戶-項(xiàng)目-類別三維張量；第3行基于張量分解填充稀疏張量得到用戶特征矩陣、項(xiàng)目特征矩陣和類別特征矩陣；第4行基于得到的用戶特征矩陣對(duì)用戶進(jìn)行模糊聚類；第5行通過(guò)求最大隸屬度得到用戶所屬類別矩陣；第6行找到用戶u所屬類別；第7~9行得到用戶u所屬類別里對(duì)項(xiàng)目i進(jìn)行評(píng)分的用戶集合；第10~11行計(jì)算用戶u對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分并返回； 輸出：目標(biāo)用戶u對(duì)未評(píng)分項(xiàng)目i的預(yù)測(cè)評(píng)分； 所述張量的稀疏性分解公式為，其中，表示用戶特征矩陣的用戶因子；表示項(xiàng)目特征矩陣的項(xiàng)目因子；表示項(xiàng)目類別特征矩陣的類別因子； 所述優(yōu)化公式為。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人遼寧工業(yè)大學(xué)，其通訊地址為：121001 遼寧省錦州市古塔區(qū)士英街169號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。