買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉福建師范大學申請的專利基于聯邦學習的個性化文旅景點智能推薦方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117216371B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310160177.7，技術領域涉及：G06F16/9535；該發明授權基于聯邦學習的個性化文旅景點智能推薦方法及系統是由蔡云森;高皓霖;廖雋愷;許語珊;李鑫偉;王錦煌;熊金波;許力設計研發完成，并于2023-02-24向國家知識產權局提交的專利申請。

本基于聯邦學習的個性化文旅景點智能推薦方法及系統在說明書摘要公布了：本發明涉及一種基于聯邦學習的個性化文旅景點智能推薦方法，包括以下步驟：定義用戶的自然特征向量nature與興趣特征向量hobby，再結合自然特征與興趣特征考慮用戶間的相似度sim，得到與目標用戶u相似的用戶集群；將與目標用戶u相似的用戶集群中所有用戶給出的景點評分整合為用戶?景點評分矩陣S；采用質量修正因子correction i 先對S進行修正，再進行矩陣分解預測，得到目標用戶u的前n個期望景點，再結合隱式反饋數據，對推薦結果順序進行修正，得到最終的推薦結果。本發明不僅可以實現精確的，符合個性化需求的推薦，而且可以保證推薦過程的隱私安全性。

本發明授權基于聯邦學習的個性化文旅景點智能推薦方法及系統在權利要求書中公布了：1.一種基于聯邦學習的個性化文旅景點智能推薦方法，其特征在于，包括以下步驟： 定義用戶的自然特征向量nature與興趣特征向量hobby，再結合自然特征與興趣特征考慮用戶間的相似度sim，得到與目標用戶u相似的用戶集群； 將與目標用戶u相似的用戶集群中所有用戶給出的景點評分整合為用戶-景點評分矩陣S； 采用質量修正因子correctioni先對S進行修正，再進行矩陣分解預測，得到目標用戶u的前n個期望景點，再結合隱式反饋數據，對推薦結果順序進行修正，得到最終的推薦結果； 對用戶-景點評分矩陣S進行修正與矩陣分解預測，具體方法如下： 對于用戶-景點評分矩陣，期望將矩陣S分解為：Sm×n＝pm×k×qk×n； 設用戶u對景點i的評分為Su,i,經過矩陣分解后映射到k維空間的對于的用戶u的特征向量為pu,對于景點n的特征向量為qi，則預測評分為：引入正則化因子λ，損失函數為： 采用BP神經網絡進行訓練，使損失函數達到最小，設前n-1迭代的時間集合為T＝{t0,t1,…,tn-1}，則第n次迭代的學習率γiti為： 損失函數達到最小時，即得到p，q，將p，q相乘即得到稠密的用戶-景點評分矩陣S’； 所述質量修正因子： 利用質量修正因子修正用戶-景點評分矩陣來取消景點質量對評分的影響，公式為：Su，i″＝Su，i′1+correctioni； 所述考慮使用隱式反饋數據來對推薦結果進行修正，具體方法如下： 首先，引入二進制矩陣L： 其表現為目標用戶對景點的偏好程度，r為用戶-景點點擊矩陣，ru，i為用戶u對景點i的點擊數；因此提出置信程度cu，i，其會隨著用戶u對景點i的點擊次數的增加而增加，α為控制增長速率的因子，α在0，1之間： 其中，σ為景點間的相似度，即用戶點擊過的景點與未點擊過的景點的相似度： 將L進行矩陣分解預測，得到目標用戶u的偏好結果，將置信程度cu，i同時考慮，得到損失函數為 ∑u，icu，iIu，i-XuYi2+λ2||I||2+||Y||2； 令損失函數達到最小，得到X與Y，則目標用戶對每一個初步推薦的景點的偏好程度 L* u，i＝Xu TYi 根據L* u，i的大小對推薦結果進行重排序。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人福建師范大學，其通訊地址為：350002 福建省福州市閩侯縣上街鎮大學城科技路1號福建師范大學旗山校區；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。