(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210729771.9 (22)申请日 2022.06.24 (71)申请人 北京思特奇信息技 术股份有限公司 地址 100086 北京市海淀区中关村南大街6 号14层 (72)发明人 杨建雄　 (74)专利代理 机构 北京汇信合知识产权代理有 限公司 1 1335 专利代理师 林聪源 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 30/02(2012.01) G06F 16/33(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) (54)发明名称 一种基于潜在语义属性及影响因子优化的 协同过滤方法及系统 (57)摘要 本发明提供一种基于潜在语义属性及影响 因子优化的协同过滤方法， 包括以下步骤： 获取 匹配目标所有关联的被匹配目标的匹配目标属 性； 根据匹配目标属性， 获取匹配目标的潜在语 义属性； 获取待匹配目标的待匹配属性， 根据匹 配目标的潜在语义属性和待匹配属性， 获得影 响 因子； 根据影 响因子， 获取匹配度。 本发 明还公开 一种实现上述基于潜在语义属性及影响因子优 化的协同过滤方法的系统。 本发 明能减少协同过 滤等相似比较的计算量， 并提升协同过滤的推荐 问题属性比较的精准 性。 权利要求书2页 说明书9页 附图1页 CN 115271845 A 2022.11.01 CN 115271845 A 1.一种基于潜在语义属性及影响因子优化的协同过滤方法， 其特征在于， 包括以下步 骤： 获取匹配目标 所有关联的被匹配目标的匹配目标属性； 对匹配目标属性进行潜在语义分析， 获取匹配目标的潜在语义属性； 获取待匹配目标的待 匹配属性， 根据匹配目标的潜在语义属性和待匹配目标的待 匹配 属性进行影响因子 评估， 获得影响因子； 对影响因子进行匹配度计算， 获取匹配度。 2.根据权利要求1所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其 特征在于， 将匹配目标属性进 行潜在语义分析， 获取匹配目标的潜在语义属性， 具体包括以 下步骤： 对于匹配目标属性的数值类属性： 计算数值类属性的属性 值的有效平均值； 对于匹配目标属性的标签 类属性： 获取 标签类属性的属性标签及其对应出现的次数； 数值类属性的属性值的有 效平均值、 标签类属性的属性标签及其对应出现的次数共同 作为匹配目标的潜在语义属性。 3.根据权利要求2所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其 特征在于， 获取待匹配目标的待匹配属 性， 根据匹配目标 的潜在语义属 性和待匹配目标 的 待匹配属性进行影响因子 评估， 获得影响因子， 具体包括以下步骤： 对于待匹配目标的数值类属性， 影响因子的计算方式为： 影响因子＝相应的有效平均值/该待匹配属性的属性 值； 对于待匹配目标的标签 类属性， 采用下述两种计算方式之一计算影响因子； A)、 影响因子＝该因素对应出现的次数/该属性项各属性对应次数的最大值； 该因素对应出现的次数为： 在匹配目标的潜在语义属性中， 与待匹配属性相对应的标 签类属性的属性标签的对应出现的次数； 该属性项各属性对应次数的最大值为： 在匹配目标的潜在语义属性中， 相应的标签类 属性的属性标签所有对应出现的次数中的次数最大值； B)、 影响因子＝该因素对应出现的次数/该属性项各属性对应次数的总和； 该属性项各属性对应次数的总和为： 该被匹配目标的所有标签类属性的属性标签对应 出现的次数的总和。 4.根据权利要求3所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其 特征在于： 对于待匹配目标的标签类属性， 待 匹配目标的标签类属性与匹配目标的潜在语义属性 进行匹配； 若匹配不成功， 相应待匹配属性的影响因子分数为0； 若匹配成功， 则计算影响因子 。 5.根据权利要求4所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其 特征在于： 待匹配目标的标签类属性与匹配目标的潜在语义属性的匹配方法为： 查询待 匹配属性 是否出现在匹配目标属性中； 若出现， 匹配成功； 否则； 匹配不成功。 6.根据权利要求1所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其权　利　要　求　书 1/2 页 2 CN 115271845 A 2特征在于， 对影响因子进行匹配度计算， 获取匹配度， 具体包括以下步骤： 所有影响因子的平均值作为匹配度。 7.根据权利要求6所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其 特征在于： 匹配度的计算方式为： 匹配度＝所有 待匹配属性的影响因子的总和/匹配目标的总特 征数。 8.根据权利要求2所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其 特征在于， 对于匹配目标属性的数值类属性， 计算数值类属性的属性值的有效平均值， 具体 包括以下步骤： 如果数值类属性的属性值的标准差过大， 则剔除过大或过小的属性值之后再进行平均 计算， 得到有效平均值。 9.根据权利要求1所述的一种基于潜在语义属性及影响因子优化的协同过滤方法， 其 特征在于， 还 包括以下步骤： 根据匹配度进行推荐。 10.一种实现权利要求1 ‑9任一所述的一种基于潜在语义属性及影响因子优化的协同 过滤方法的系统， 其特 征在于， 包括： 获取模块， 用于获取匹配目标的所有关联的被匹配目标的匹配目标属性； 用于获取待 匹配目标的待匹配属性； 特征提取模块， 用于对匹配目标属性进行潜在语义分析， 获取匹配目标的潜在语义属 性； 特征匹配模块， 用于根据匹配目标的潜在语义属性和待匹配属性进行影响因子评估， 获得影响因子； 影响因子决定 了对应目标属性在匹配时的权 重修正； 匹配度计算模块， 用于对影响因子进行匹配度计算， 获取匹配度。权　利　要　求　书 2/2 页 3 CN 115271845 A 3