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！

龙图腾网获悉中国人民解放军93216部队申请的专利一种基于VSM和AMMK-means的信息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：CN114625952B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202011432407.3，技术领域涉及：G06F16/9535；该发明授权一种基于VSM和AMMK-means的信息推荐方法及系统是由彭石宝;曹郁;焦峰;王炜华设计研发完成，并于2020-12-10向国家知识产权局提交的专利申请。

本一种基于VSM和AMMK-means的信息推荐方法及系统在说明书摘要公布了：本发明公开了一种基于VSM和AMMK‑means的信息推荐方法及系统，包括：获取各候选信息的物品画像；将所述各候选信息的物品画像代入预先构建的兴趣模型，得到所述各候选信息与用户画像的相似度；将所述相似度最高的候选信息推荐给用户；所述兴趣模型为，基于VSM和AMMK‑means以及用户已经浏览过的信息的物品画像进行构建。由于本发明中的兴趣模型是基于VSM和AMMK‑means以及用户已经浏览过的信息的物品画像进行构建的，相当于基于用户感兴趣的物品画像进行定制的，避免了根据编辑人员设置的分类标准向用户推荐的信息类别与用户实际感兴趣的信息类别之间的偏差，与传统协同过滤算法相比，提高了推荐的准确度。

本发明授权一种基于VSM和AMMK-means的信息推荐方法及系统在权利要求书中公布了：1.一种基于VSM和AMMK-means的信息推荐方法，其特征在于，包括： 获取各候选信息的物品画像； 将所述各候选信息的物品画像代入预先构建的兴趣模型，得到所述各候选信息与用户画像的相似度； 将所述相似度最高的候选信息推荐给用户； 所述兴趣模型为，基于VSM和AMMK-means以及用户已经浏览过的信息的物品画像进行构建； 所述兴趣模型的构建包括： 获取用户已经浏览过的信息的物品画像，并利用VSM表征用户已经浏览过的信息的物品画像； 通过AMMK-means对所述用户已经浏览过的信息的物品画像进行聚类，将聚类结果作为用户感兴趣的信息类别； 根据各信息类别中包含的用户浏览过的信息数量和用户已经浏览过的信息总数量分别计算各信息类别的权重； 基于用户感兴趣的信息类别和所述信息类别的权重生成用户画像； 计算候选信息的物品画像与所述用户画像中物品画像的相似度； 所述通过AMMK-means对所述用户已经浏览过的信息的物品画像进行聚类，将聚类结果作为用户感兴趣的信息类别，包括： 基于用户已经浏览过的信息的物品画像生成数据集； 对所述数据集中的样本利用最大最小距离聚类算法确定聚类中心以及聚类中心的个数； 将所述聚类中心个数作为K-means算法中的K值，并将得到的所有聚类中心作为K-means聚类算法中的初始聚类中心； 基于数据集中每个样本与各初始聚类中心的距离，当满足设定的约束条件时得到聚类结果； 将聚类结果作为用户感兴趣的信息类别； 所述对所述数据集中的样本利用最大最小距离聚类算法确定聚类中心以及聚类中心的个数，包括： 计算样本属性平均值，计算各个样本与平均值之间的距离，将距离最小值对应的样本作为第一个聚类中心C1； 选择距C1距离最远的样本作为第二个聚类中心C2； 计算其余所有样本到C1和C2的距离Di1和Di2，如果Dl＝max{minDi1，Di2，i＝1,2，...n},且DlθD12，θ是给定值，D12是C1和C2之间的距离，则取xl作为第三个聚类中心C3； 如果C3存在，则计算Dj＝max{minDi1，Di2，Di3，i＝1,2，...n，如果DjθD12则建立第四个聚类中心； 依次类推，直到最大最小距离不大于θD12结束寻找聚类中心的计算，得到聚类中心以及聚类中心的个数； 所述兴趣模型的表达式如下式所示： 式中：Vseat表示用户画像；wm表示第m个信息类别的权重；Tm表示第m个信息类别的特征向量； 所述相似度按下式计算： 式中：seat为用户画像中的物品画像，wi为候选信息di所属信息类别的权重，Ti T为候选信息di所属信息类别的特征向量，为di的特征向量。

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中国人民解放军93216部队，其通讯地址为：100092 北京市海淀区安宁庄路11号院；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”。