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！

龙图腾网获悉西安电子科技大学申请的专利一种基于联邦矩阵分解的个性化社交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：CN115374953B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202210795895.7，技术领域涉及：G06N20/20；该发明授权一种基于联邦矩阵分解的个性化社交推荐方法是由王善峰;陶浩;周钰溪;公茂果;高原;范晓龙;杨和睿设计研发完成，并于2022-07-07向国家知识产权局提交的专利申请。

本一种基于联邦矩阵分解的个性化社交推荐方法在说明书摘要公布了：本发明涉及一种基于联邦矩阵分解的个性化社交推荐方法，应用于客户端，包括：获取客户端的初始预测模型，根据初始预测模型和客户端用户行为特征，提取初始预测模型的模型梯度集合，将其发送至服务器端；根据接收的更新梯度集合，得到客户端商品特征的条件分布，其中，更新梯度集合为服务器端对模型梯度集合进行处理得到的；获取客户端社交关系特征的条件分布；根据客户端商品特征的条件分布和客户端社交关系特征的条件分布，构建客户端预测模型，确定该模型的目标函数；利用目标函数对客户端预测模型进行优化，利用优化后的客户端预测模型实现用户推荐。本发明方法在保护用户的隐私的同时保持推荐程序的性能。

本发明授权一种基于联邦矩阵分解的个性化社交推荐方法在权利要求书中公布了：1.一种基于联邦矩阵分解的个性化社交推荐方法，应用于客户端，其特征在于，该方法包括： 步骤1：获取客户端的初始预测模型，根据所述初始预测模型和客户端用户行为特征，提取所述初始预测模型的模型梯度集合，将其发送至服务器端； 步骤2：根据接收的更新梯度集合，得到客户端商品特征的条件分布，其中，所述更新梯度集合为所述服务器端对所述模型梯度集合进行处理得到的；包括： 步骤2.1：根据所述更新梯度集合，利用带动量的随机梯度下降算法对初始商品特征进行更新，得到客户端商品特征， 其中，更新过程如下： ； ； 其中，为初始商品特征对应的动量，为更新后的客户端商品特征对应的动量，为动量参数，为初始商品特征，为学习率，为客户端商品特征； 步骤2.2：根据所述客户端用户行为特征和所述客户端商品特征构建User-Item矩阵分解模型，得到评分上的条件分布为： ； 其中，为评分数据集，为客户端用户行为特征，为客户端商品特征，表示评分数据集上的方差，为用户i的潜在特征向量，为商品j的潜在特征向量，m为客户端的用户数量，n为客户端的商品数量，rij为用户i对商品j的评分，为均值为和方差为的高斯分布的概率密度函数，IRij为第一指示函数，为logistic函数，； 步骤2.3：根据所述评分上的条件分布，为客户端用户行为特征和客户端商品特征添加零均值球形高斯先验，表示为： ； ； 其中，表示客户端用户行为特征上的方差，表示客户端商品特征上的方差，表示对角矩阵； 步骤2.4：根据添加零均值球形高斯先验后的客户端用户行为特征和客户端商品特征，通过贝叶斯推理得到客户端商品特征的条件分布，表示为： ； 其中，表示因子特征矩阵； 步骤3：获取客户端社交关系特征的条件分布； 步骤4：根据所述客户端商品特征的条件分布和所述客户端社交关系特征的条件分布，构建客户端预测模型，确定该模型的目标函数； 步骤5：利用所述目标函数对所述客户端预测模型进行优化，利用优化后的客户端预测模型实现用户推荐。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。

以上内容由龙图腾AI智能生成。