原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明在传统的基于贝叶斯个性化排序的推荐方法基础之上，公开了一种基于带权贝叶斯个性化排序的强时序性项目推荐方法及系统，属于推荐系统领域。本发明基于隐式反馈数据集提取出所有表示同一用户对两个不同项目的喜好程度偏序关系的三元组，通过引入偏序关系三元组的可信度作为每个偏序关系三元组对应项的权重系数，该方法能使得更可信的偏序关系三元组产生的训练效果更强、更不可信的偏序关系三元组产生的训练效果更弱。偏序关系三元组的可信度由相关项目的时序信息计算得出，所以最终训练完成的模型中将包含对于推荐项目时序信息的考虑
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112199589 A
(43)申请公布日 2021.01.08
(21)申请号 202011072547.4
(22)申请日 2020.10.09
(71)申请人 浙江大学
地址 31
文档评论（0）