買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉大連理工大學申請的專利基于用戶聚類和商品聚類的混合協同過濾推薦方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114741603B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210437699.2，技術領域涉及：G06F16/9535；該發明授權基于用戶聚類和商品聚類的混合協同過濾推薦方法是由周寬久;高崧豪;李浚瑀;劉楠設計研發完成，并于2022-04-25向國家知識產權局提交的專利申請。

本基于用戶聚類和商品聚類的混合協同過濾推薦方法在說明書摘要公布了：一種基于用戶聚類和商品聚類的混合協同過濾推薦算法，針對互聯網電商平臺，設計屬性偏好矩陣實現系統推薦冷啟動；再對聚類結果進行降噪處理，并引入融合因子α，獲取Top?n推薦集。最后，根據購買記錄分析商品間的關聯規則和用戶對商品屬性的偏好權值，獲得關聯規則推薦集與用戶個性化推薦集，結合Top?n推薦集共同得到用戶推薦列表，完成對多維度精準推薦。本發明能夠在冷啟動階段沒有實際購買數據的情況下，對用戶進行較為精準的推薦；并且在聚類中利用雙重聚類算法與聚類降噪處理，使推薦算法較傳統推薦算法在推薦精準度方面有較大幅度提升，此外本發明利用關聯規則分析，結合ID3進行賦權實現對商品間關聯規則和用戶個性的推薦，推薦結果更加科學、全面。

本發明授權基于用戶聚類和商品聚類的混合協同過濾推薦方法在權利要求書中公布了：1.一種基于用戶聚類和商品聚類的混合協同過濾推薦方法，其特征在于，包括以下步驟：步驟1、引用外部購買記錄獲得用戶屬性對商品屬性的評價矩陣；通過對外部購買記錄的利用，獲得用戶屬性對商品屬性的評價矩陣C，評價矩陣如公式1或公式2所示：Ue×C×Pe＝Ee1 其中，e下標所示，為外部購買記錄內容；Ue表示用戶屬性矩陣，行為外部數據源用戶ID，列為用戶屬性；C表示用戶屬性對商品屬性的評價矩陣，行為用戶屬性，列為商品屬性；Pe表示商品屬性矩陣，行為商品屬性，列為外部數據源商品ID；Ee表示用戶商品評價矩陣；表示Ue矩陣的逆矩陣，表示Pe矩陣的逆矩陣；公式1可等同于公式2；步驟2、將用戶屬性對商品屬性的評價矩陣、系統中用戶屬性矩陣和商品屬性矩陣結合，獲得初始用戶評價矩陣，選取Top-n，完成冷啟動；具體如下：引入外部購買記錄獲得用戶屬性對商品屬性的評價矩陣C，解決冷啟動階段無法推薦的問題，將其與系統中已有用戶信息及商品信息結合，得到用戶評價矩陣，表示為公式5：Ui×C×Pi＝Ei5其中，Ui表示本系統用戶屬性矩陣，行為用戶ID，列為用戶屬性；Pi表示本系統商品屬性矩陣，行為商品屬性，列為商品ID；Ei表示本系統初始用戶商品評價矩陣；對Ei中每個用戶對商品的評分進行排序，選取評分最高的n個商品，進行初步推薦；步驟3、利用系統中已有的用戶屬性矩陣和商品屬性矩陣，分別對用戶與商品進行聚類，確定初始簇心，并進行聚類迭代，直至類簇穩定不變；步驟4、降噪處理，將靠近多個簇心的向量識別為噪點，進行降噪；步驟5、獲取用戶預測評價與商品預測評價，引入融合因子α，獲取最終預測評價，并得到Top-n推薦集；利用兩個預測評價結合融合因子α共同生成最終預測評價，融合公式表示為11：Fi,u＝α×Qi,u+1-α×Pi,u11其中，Fi,u表示用戶i對商品u的預測評價；α為融合因子，α∈[0,1]；Qi,u表示基于商品聚類用戶i對商品u的預測評價；Pi,u表示基于用戶聚類，用戶i對商品u的預測評價；步驟6、對交易數據進行Apriori關聯規則挖掘，根據用戶的購買記錄，獲得存在關聯規則的商品推薦集；步驟7、利用ID3分析用戶購買記錄，賦權分析獲得用戶對商品屬性的偏好權值，得到用戶個性化推薦集，與關聯規則推薦集和Top-n推薦集結合，得到最終推薦列表。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人大連理工大學，其通訊地址為：116024 遼寧省大連市甘井子區凌工路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。