欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019101314009
申请人: 苏州大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于社交网络的去中心化矩阵分解的兴趣点推荐方法,其特征在于,包括以下步骤:

(1)将用户浏览兴趣点的签到数据存储在每个用户自己的用户端:定义 表示用户集合, 表示兴趣点集合,共有M个用户和N个兴趣点,(ui,pj)表示第i个用户对第j个兴趣点的签到信息或者评价信息,其中 用RM×N表示用户POI签到矩阵,并且用rij∈RM×N表示用户ui对兴趣点pj的签到信息或者评价信息;

(2)用户在自己的用户端训练模型:由于亲密的朋友访问的兴趣点具有很强的相似性,因此利用亲密的朋友之间进行信息的交互,来协助完成模型的训练,即:当一个用户对某个兴趣点有访问行为的时候,该用户的潜在向量以及该兴趣点的全局潜在向量都会通过梯度进行更新,与此同时,该用户将对该兴趣点全局潜在向量的梯度发送给他的朋友,这些朋友拿到该兴趣点全局潜在向量的梯度之后,保存在这些朋友的用户端的该兴趣点的全局潜在向量也会得到相应更新,从而完成模型的训练,

定义UM×K表示用户潜在特征矩阵,每一行 表示用户ui的K维潜在特征向量,VM×N×K表示兴趣点潜在特征张量, 表示用户ui的兴趣点潜在特征矩阵, 表示用户ui对兴趣点pj的K维潜在特征向量,为了保证每个用户的隐私保护,在整个训练过程中,需要保证每个用户对兴趣点的签到次数或者评价信息和潜在特征都保存在每个用户自己的用户端,因此,每个用户ui只需要保存他的K维潜在特征向量 和兴趣点潜在特征矩阵将用户的P0I签到信息分解为K维潜在特征向量 和兴趣点潜在特征矩阵 即:对于每个用户ui,兴趣点潜在特征矩阵 可以分解为:其中 表示全局潜在特征矩阵,其表示所有用户的共同偏好, 表示私有潜在特征矩阵,其表示用户ui的个人偏好,那么基于社交网络的去中心化矩阵分解的兴趣点推荐方法的目标函数可以表示为:其中, 表示矩阵的弗罗贝尼乌斯范数的平方,向量 和 只依赖于保存在用户ui用户端中的信息,而 不仅依赖于用户ui用户端中的信息,也依赖于用户ui的朋友用户的用户端中的信息,其中 通过交换协议来交换用户之间的信息,从而学习全局潜在特征矩阵 所述交换协议通过发送每个用户ui的目标函数 关于 的梯度给他的朋友用户ui′, 来学习全局POI潜在特征向量

2.根据权利要求1所述的基于社交网络的去中心化矩阵分解的兴趣点推荐方法,其特征在于,步骤(2)中所述交换协议中,对于每个用户ui的目标函数 关于Ui, 和 的梯度分别为: