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！

龙图腾网获悉淮阴工学院申请的专利一种融合协同过滤与Embedding技术的混合推荐方法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：CN117216416B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202311358647.7，技术领域涉及：G06F16/9536；该发明授权一种融合协同过滤与Embedding技术的混合推荐方法是由高市洪;于坤;金春花;陈晓兵;李强强;王浩然;管乾钧设计研发完成，并于2023-10-19向国家知识产权局提交的专利申请。

本一种融合协同过滤与Embedding技术的混合推荐方法在说明书摘要公布了：本发明公开了一种融合协同过滤与Embedding技术的混合推荐方法，包括步骤：S1：数据预处理，先将数据进行处理，对数据进行清洗和将数据转化为指定的格式；S2：用ALS算法训练隐语义模型，根据用户评分表和商品数据集计算用户商品推荐矩阵；S3：网络节点的向量化，采用Embedding中的node2vec模型实现节点向量化，添加商品的侧面信息，完成了商品的向量化之后，计算商品对应特征向量间的余弦值，然后进行推荐，将距离目标商品最近的商品推荐给用户；S4：对ALS算法和Node2vec算法的推荐结果进行加权组合，得到最终的混合推荐结果。在一定程度上解决了某些推荐算法的准确度较低、可扩展性较差、数据稀疏性以及推荐系统中容易存在冷启动问题的缺点。

本发明授权一种融合协同过滤与Embedding技术的混合推荐方法在权利要求书中公布了：1.一种融合协同过滤与Embedding技术的混合推荐方法，其特征在于，包括步骤： S1：数据预处理，先将数据进行处理，对数据进行清洗和将数据转化为指定的格式； S2：用ALS算法训练隐语义模型，根据用户评分表和商品数据集计算用户商品推荐矩阵； S3：网络节点的向量化，采用Embedding中的node2vec模型实现节点向量化，添加商品的侧面信息，完成了商品的向量化之后，计算商品对应特征向量间的余弦值，然后进行推荐，将距离目标商品最近的商品推荐给用户， 步骤3.1：构建网络结构，先根据商品浏览序列构造网络，由于浏览序列在时间上存在先后关系，所以形成的网络结构图是一个有向图，其中节点表示不同商品，边表示此对商品在同一序列中存在共现，箭头的指向表示浏览的顺序，边权重表示两者在所有序列中共现的次数； 步骤3.2：采用node2vec实现节点向量化，在网络结构图的基础上，运用node2vec算法对节点进行向量化，在此之前需要完成模型的参数设置，设置模型随机游走的步长walklength，对于每个节点的游走次数为numwalks，随机游走的两个转移概率分别设为节点向量的维数dim，向量训练时采用Skip-Gram模型，设置其训练窗口的大小windowsize，迭代次数iter，最终得到商品的向量表示； 步骤3.3：添加商品的侧面信息，侧面信息包括商品品牌、归属种类、线上评分，侧面信息是对商品信息的补充，将侧面信息加入到商品的向量表示中，如果原本的商品向量维数为X，加入的方式是采用不同的权值加入作为商品向量的新属性，通过比较聚类效果，最终将这三个指标以λ1、λ2、λ3的权值分别补充为商家的第X+1维、X+2维和X+3维，最终得到的商维数为X+3维，前X维表示商品的原有属性，后三维表示商品的侧面补充信息； 步骤3.4：匹配相似商品，完成了商品的向量化之后，针对商品间的相似性进行向量度量，在所构成的空间中实现相似商品的合并聚类，此时两个节点间的相似度便转化为两个向量之间相似度问题，在空间中，距离越近表示差异越小，距离越远表示差异越大，根据向量之间距离的度量标准，此处采用向量间的余弦值作为度量标准，通过测量两个向量间的夹角与矢量长度，该方法定义两个向量之间的余弦值为： ， 其中表示两个不同的商品向量，表示向量之间的夹角， 由以上公式刻画出的是两个商品向量在空间上的位置距离，两个商品向量之间的余弦值越大说明两者在空间上的距离越近，相似性越高，反之亦然，每个商品由此可以得到余弦值，每个值表示其余商品与该商品的相似度，最后筛选出每个商品对应余弦值排名前N的商品作为最相似商品的匹配序列，然后按照从小到大的顺序进行Top-N推荐； S4：对ALS算法和Node2vec算法的推荐结果进行加权组合，得到最终的混合推荐结果。

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淮阴工学院，其通讯地址为：223200 江苏省淮安市淮安区淮城街道竹巷街淮阴工学院萧湖校区；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”。