一种融合协同过滤与Embedding技术的混合推荐方法（高校公示15天）（不包年费滞纳金）

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。

《一种融合协同过滤与Embedding技术的混合推荐方法（高校公示15天）（不包年费滞纳金）》是一发明专利，专利号为 2023113586477，当前法律状态为已下证，由淮阴工学院提出申请，发明人为高市洪;于坤;金春花;陈晓兵;李强强;王浩然;管乾钧，申请日期为2023-10-19，公开（公告）日期为2025-09-09，国际专利分类号（IPC）为 G06F 16/9536 (2019.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：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。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！