Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江点创信息科技有限公司宋俊锋获国家专利权

浙江点创信息科技有限公司宋俊锋获国家专利权

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!

龙图腾网获悉浙江点创信息科技有限公司申请的专利基于行列式点过程的数据服务推荐结果多样化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:CN117194977B

龙图腾网通过国家知识产权局官网在2026-01-27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:202311071839.X,技术领域涉及:G06F18/214;该发明授权基于行列式点过程的数据服务推荐结果多样化方法是由宋俊锋;郑嘉弘;杨晓东;龚鑫铠;林振超设计研发完成,并于2023-08-23向国家知识产权局提交的专利申请。

基于行列式点过程的数据服务推荐结果多样化方法在说明书摘要公布了:一种基于行列式点过程的数据服务推荐结果多样化方法,包括以下步骤:第一步,构建服务推荐分数辅助矩阵与服务功能相似度辅助矩阵;第二步,构建行列式点过程计算所需服务信息核矩阵,处理行列式计算结果,优化计算过程;第三步,使用乔列斯基分解,在贪心迭代过程中快速判断,生成多样化重排序的服务推荐结果。本发明抓住服务推荐情景下的多样化需求,作为一种后处理方法,能在现有的服务推荐模型基础上进行多样化处理;同时考虑服务间的功能相关性与多样性;利用优化的基于分解因子与行向量的求解方法,对多样化过程进行优化,减少每次迭代的计算消耗;针对现有以推荐精度作为指标的服务推荐算法,进行多样性需求的推荐补充。

本发明授权基于行列式点过程的数据服务推荐结果多样化方法在权利要求书中公布了:1.一种基于行列式点过程的数据服务推荐结果多样化方法,其特征在于,所述方法包括以下步骤: 第一步,构建服务推荐分数辅助矩阵与服务功能相似度辅助矩阵; 第二步,构建行列式点过程计算所需服务信息核矩阵,处理行列式计算结果,优化计算过程,过程如下: 2.1行列式点过程是一种概率模型,用于建模具有排斥性质的离散点集,在核矩阵的基础上利用元素集合特征计算子集选择概率,利用服务推荐分数辅助矩阵Hm与服务相似度辅助矩阵结合行列式点过程,构建服务推荐的行列式点过程核矩阵: 其中exp表示对矩阵中的所有元素进行自然指数处理,为相关性与多样性指标的调节参数,用于在后续对推荐列表的处理中平衡这两种指标; 2.2设A′为待计算子集概率的Api集合,A′为整体候选Api集合A的子集,根据行列式点过程的计算思想,设定子集概率计算方式: 其中P表示概率信息,det表示行列式计算过程,∝表示成正比,原始核矩阵包含了所有候选Api的相关性与多样性信息,大小为|A|×|A|,|A|表示集合A中元素数量,核矩阵中的矩阵元素下标与Api序号对应;则表示核矩阵的子矩阵,该子矩阵为保留了与集合A′中存在的Api相关的矩阵元素的子矩阵,即保留了元素下标中包含A′中Api序号的元素形成的矩阵; 2.3对行列式结果取对数进行计算,以对子集概率进行大小比较: 其中log表示10为底的对数操作,表示保留原始相似度矩阵中元素下标包含Api集合A′中存在的Api序号的元素后,形成的相似度子矩阵; 2.4以步骤2.3给出的子集概率大小比较方法,给出对应的贪心策略每轮计算过程: 其中Ram表示原始的推荐序列,Dam表示多样化重排序的服务推荐序列,Ram\Dam表示存在于Ram中不存在于Dam中的元素,表示在每一轮中,获取计算值最大的Api作为输出; 2.5将Dam初始化为空集合; 2.6进行步骤2.4的计算过程,将每轮次输出的amap存入Dam中,并将amap从Ram中取出; 2.7重复步骤2.6,直到Dam的元素数量与Ram相同; 第三步,使用乔列斯基分解,在贪心迭代过程中快速判断,生成多样化重排序的服务推荐结果。

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浙江点创信息科技有限公司,其通讯地址为:323000 浙江省丽水市莲都区绿谷信息产业园3幢5楼;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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。