Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 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 > 恭喜长春理工大学张剑飞获国家专利权

恭喜长春理工大学张剑飞获国家专利权

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!

龙图腾网恭喜长春理工大学申请的专利一种物品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:CN113988207B

龙图腾网通过国家知识产权局官网在2024-09-24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:202111318678.0,技术领域涉及:G06F18/23213;该发明授权一种物品推荐方法及系统是由张剑飞;杨宏伟;张婧;冯欣;吕帅帅设计研发完成,并于2021-11-09向国家知识产权局提交的专利申请。

一种物品推荐方法及系统在说明书摘要公布了:本发明提高了一种物品推荐方法及系统,其中方法包括:对所有用户进行预训练,得到每个用户的模型权重;根据模型权重,利用K‑Means++算法对所有用户进行分簇处理,得到多个簇;分别利用每个簇中的用户的本地数据,对全局物品因子初始矩阵进行训练,得到多个簇的簇全局物品因子矩阵。本发明通过利用每个簇中的用户的本地数据,对全局物品因子初始矩阵进行训练在保护用户隐私的同时,能够提高物品推荐算法的运行速率。

本发明授权一种物品推荐方法及系统在权利要求书中公布了:1.一种物品推荐方法,其特征在于,所述方法,包括:对所有用户进行预训练,得到每个所述用户的模型权重;对所有用户进行预训练,得到每个所述用户的模型权重,具体包括:联邦服务器向所有所述用户发送全局物品因子初始矩阵;多个所述用户分别利用本地数据对所述全局物品因子初始矩阵进行训练,得到多个本地模型;确定多个所述本地模型的模型权重;根据所述模型权重,利用K-Means++算法对所有用户进行分簇处理,得到多个簇;分别利用每个所述簇中的用户的本地数据,对全局物品因子初始矩阵进行训练,得到多个簇的簇全局物品因子矩阵;分别利用每个所述簇中的用户的本地数据,对全局物品因子初始矩阵进行训练,得到多个簇的簇全局物品因子矩阵,具体包括:确定任一簇为当前簇;所述当前簇中的多个用户分别获取所述联邦服务器发送的所述全局物品因子初始矩阵;将所述全局物品因子初始矩阵输入矩阵补全模型中,得到全局物品因子补全矩阵;所述矩阵补全模型是利用全局物品因子历史初始矩阵,对LFM模型进行训练得到的;将所述全局物品因子补全矩阵确定为簇全局物品因子初始矩阵;所述当前簇中的多个用户分别将所述簇全局物品因子初始矩阵作为本地模型的参数,利用用户的本地数据对所述本地模型进行训练;根据训练后的本地模型的参数,确定所述当前簇中的每个用户的物品因子向量;所述联邦服务器将所述当前簇中多个用户对应的物品因子向量进行聚合,得到当前簇的聚合物品因子矩阵;判断迭代次数是否达到预设迭代次数,得到判断结果;若所述判断结果为否,则将所述当前簇的聚合物品因子矩阵作为所述簇全局物品因子初始矩阵,并返回步骤“所述当前簇中的多个用户分别将所述簇全局物品因子初始矩阵作为本地模型的参数,利用用户的本地数据对所述本地模型进行训练”;若所述判断结果为是,则确定当前簇的聚合物品因子矩阵为所述当前簇的簇全局物品因子矩阵。

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长春理工大学,其通讯地址为:130022 吉林省长春市朝阳区卫星路7186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”。

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。