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！

龙图腾网获悉福建师范大学申请的专利基于联邦学习的个性化文旅景点智能推荐方法及系统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：CN117216371B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310160177.7，技术领域涉及：G06F16/9535；该发明授权基于联邦学习的个性化文旅景点智能推荐方法及系统是由蔡云森;高皓霖;廖隽恺;许语珊;李鑫伟;王锦煌;熊金波;许力设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本基于联邦学习的个性化文旅景点智能推荐方法及系统在说明书摘要公布了：本发明涉及一种基于联邦学习的个性化文旅景点智能推荐方法，包括以下步骤：定义用户的自然特征向量nature与兴趣特征向量hobby，再结合自然特征与兴趣特征考虑用户间的相似度sim，得到与目标用户u相似的用户集群；将与目标用户u相似的用户集群中所有用户给出的景点评分整合为用户‑景点评分矩阵S；采用质量修正因子correction i 先对S进行修正，再进行矩阵分解预测，得到目标用户u的前n个期望景点，再结合隐式反馈数据，对推荐结果顺序进行修正，得到最终的推荐结果。本发明不仅可以实现精确的，符合个性化需求的推荐，而且可以保证推荐过程的隐私安全性。

本发明授权基于联邦学习的个性化文旅景点智能推荐方法及系统在权利要求书中公布了：1.一种基于联邦学习的个性化文旅景点智能推荐方法，其特征在于，包括以下步骤： 定义用户的自然特征向量nature与兴趣特征向量hobby，再结合自然特征与兴趣特征考虑用户间的相似度sim，得到与目标用户u相似的用户集群； 将与目标用户u相似的用户集群中所有用户给出的景点评分整合为用户-景点评分矩阵S； 采用质量修正因子correctioni先对S进行修正，再进行矩阵分解预测，得到目标用户u的前n个期望景点，再结合隐式反馈数据，对推荐结果顺序进行修正，得到最终的推荐结果； 对用户-景点评分矩阵S进行修正与矩阵分解预测，具体方法如下： 对于用户-景点评分矩阵，期望将矩阵S分解为：Sm×n＝pm×k×qk×n； 设用户u对景点i的评分为Su,i,经过矩阵分解后映射到k维空间的对于的用户u的特征向量为pu,对于景点n的特征向量为qi，则预测评分为：引入正则化因子λ，损失函数为： 采用BP神经网络进行训练，使损失函数达到最小，设前n-1迭代的时间集合为T＝{t0,t1,…,tn-1}，则第n次迭代的学习率γiti为： 损失函数达到最小时，即得到p，q，将p，q相乘即得到稠密的用户-景点评分矩阵S’； 所述质量修正因子： 利用质量修正因子修正用户-景点评分矩阵来取消景点质量对评分的影响，公式为：Su，i″＝Su，i′1+correctioni； 所述考虑使用隐式反馈数据来对推荐结果进行修正，具体方法如下： 首先，引入二进制矩阵L： 其表现为目标用户对景点的偏好程度，r为用户-景点点击矩阵，ru，i为用户u对景点i的点击数；因此提出置信程度cu，i，其会随着用户u对景点i的点击次数的增加而增加，α为控制增长速率的因子，α在0，1之间： 其中，σ为景点间的相似度，即用户点击过的景点与未点击过的景点的相似度： 将L进行矩阵分解预测，得到目标用户u的偏好结果，将置信程度cu，i同时考虑，得到损失函数为 ∑u，icu，iIu，i-XuYi2+λ2||I||2+||Y||2； 令损失函数达到最小，得到X与Y，则目标用户对每一个初步推荐的景点的偏好程度 L* u，i＝Xu TYi 根据L* u，i的大小对推荐结果进行重排序。

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福建师范大学，其通讯地址为：350002 福建省福州市闽侯县上街镇大学城科技路1号福建师范大学旗山校区；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”。