一种基于多马尔可夫链的内容推荐方法, 利用用户的点击流信息建立马尔可夫模型, 同时利用用户的背景信息建立用户关系矩阵。 然后,对相似的马尔可夫模型进行合并, 并根据用户关系矩阵得到的相似用户集合的点击流, 对合并后的马尔可夫模型的零行进行稀疏项的填充。
本发明为一种网络上的个性化信息推荐技术, 根据用户的兴趣特点、行为以及个人资料, 向用户推荐感兴趣的商品和信息。 在庞大的数据中为用户推荐其所感兴趣的信息和商品, 减少浏览的时间, 同时解决了协同推荐中用户评分项相对较少, 并且有很多稀疏项的问题, 提高了推荐的精确度。
| 专利名称 | 一种基于多马尔可夫链的内容推荐方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201010182844.4 |
| 申请号 | - | 专利申请日期 | 2010-05-26 |
| 专利授权日期 | 2010-09-08 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 陈振宇;封煜佳;王浩然;刘嘉;吴一帆 | ||
| 权利人 | - | ||
| 专利摘要 | 一种基于多马尔可夫链的内容推荐方法,利用用户的点击流信息建立马尔可夫模型,同时利用用户的背景信息建立用户关系矩阵。然后对相似的马尔可夫模型进行合并,并根据用户关系矩阵得到的相似用户集合的点击流对合并后的马尔可夫模型的零行进行稀疏项的填充。本发明为一种网络上的个性化信息推荐技术,根据用户的兴趣特点,行为,以及个人资料向用户推荐感兴趣的商品和信息,在庞大的数据中为用户推荐其所感兴趣的信息和商品,减少浏览的时间,同时解决的了协同推荐中用户评分项相对较少,并且有很多稀疏项的问题,提高了推荐的精确度。 | ||