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！

龙图腾网获悉辽宁工业大学申请的专利基于张量分解和模糊C-均值聚类的协同推荐算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：CN114861078B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202210313853.5，技术领域涉及：G06F16/9536；该发明授权基于张量分解和模糊C-均值聚类的协同推荐算法是由伊华伟;钱慧慧;曲航;刘婧彤设计研发完成，并于2022-03-28向国家知识产权局提交的专利申请。

本基于张量分解和模糊C-均值聚类的协同推荐算法在说明书摘要公布了：本发明公开了基于张量分解和模糊C‑均值聚类的协同推荐算法，涉及协同过滤推荐算法技术领域，包括以下步骤，首先，捕捉一些个性化的信息，在传统的用户项目的二元关系基础上，增加项目类型等多个维度的信息，构成张量。本发明针对传统协同过滤推荐算法中的数据稀疏性问题，提出了基于张量分解和模糊聚类的协同过滤推荐算法，一方面，利用张量分解对缺失数据进行填充，降低其稀疏性，并挖掘潜在信息，去除噪声；另一方面，基于填充后的矩阵，采用模糊C‑均值聚类算法对用户进行分类，减小目标用户的最近邻搜索空间，提高算法的可扩展性，最后用传统推荐算法在目标用户所在的类中产生推荐结果，具有很好的推荐性能。

本发明授权基于张量分解和模糊C-均值聚类的协同推荐算法在权利要求书中公布了：1.基于张量分解和模糊C-均值聚类的协同推荐算法，其特征在于，包括以下步骤： S1：首先，捕捉一些个性化的信息，在传统的用户项目的二元关系基础上，增加项目类别维度的信息，构成张量； S2：综合考虑用户、项目和项目类别三个方面，构建一个三阶张量，通过张量分解充分挖掘数据的隐含信息，采用梯度下降对三阶张量进行分解，得到用户特征矩阵、项目特征矩阵和项目类别特征矩阵，从而求得缺失值，解决张量的稀疏性； S3：将张量分解的过程看作是一个低秩逼近问题，简单地使总的误差最小，将张量分解的逼近问题转化为一个无约束的优化问题，并得到优化公式； S4：设计基于张量分解的稀疏张量填充算法，得到的用户特征矩阵、项目特征矩阵、项目类别特征矩阵以及填充后的张量，所述稀疏张量填充算法包括第一算法和第二算法，所述第一算法为输入原始张量R，用户数m、项目数n、迭代步长以及项目类别数c，第1行初始化用户特征矩阵、项目特征矩阵和类别特征矩阵；第2~7行进行张量分解，并通过迭代法填充稀疏张量；第8行返回得到的用户特征矩阵、项目特征矩阵、类别特征矩阵以及填充后的张量； 输出：用户特征矩阵、项目特征矩阵、类别特征矩阵以及填充后的张量； 所述第二算法为输入用户项目评分数据集A，项目类别数据集B，模糊系数m1，聚类数c1，收敛精度epsm，迭代次数t，第1行进行初始化；第2行基于评分矩阵及项目类别矩阵构造用户-项目-类别三维张量；第3行基于张量分解填充稀疏张量得到用户特征矩阵、项目特征矩阵和类别特征矩阵；第4行基于得到的用户特征矩阵对用户进行模糊聚类；第5行通过求最大隶属度得到用户所属类别矩阵；第6行找到用户u所属类别；第7~9行得到用户u所属类别里对项目i进行评分的用户集合；第10~11行计算用户u对项目i的预测评分并返回； 输出：目标用户u对未评分项目i的预测评分； 所述张量的稀疏性分解公式为，其中，表示用户特征矩阵的用户因子；表示项目特征矩阵的项目因子；表示项目类别特征矩阵的类别因子； 所述优化公式为。

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辽宁工业大学，其通讯地址为：121001 辽宁省锦州市古塔区士英街169号；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”。