-
题名基于用户特征迁移的协同过滤推荐
被引量:7
- 1
-
-
作者
柯良文
王靖
-
机构
华侨大学计算机科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第1期37-43,共7页
-
基金
国家自然科学基金资助项目(61370006)
福建省高等学校杰出青年科研人才培育计划基金资助项目(11FJPY01)
福建省高等学校新世纪优秀人才支持计划基金资助项目(2012-FJ-NCET-ZR01)
-
文摘
为提高推荐系统在数据稀疏情况下的推荐质量,提出一种基于用户特征迁移的协同过滤推荐模型。利用矩阵分解技术提取辅助领域的用户特征,通过建立正则项约束的矩阵分解模型,将辅助领域的用户特征迁移到目标领域中,协助目标领域用户特征的学习,最终生成目标领域的用户推荐。设计快速收敛的Wiberg算法得到模型的最优解,并对实际应用中的可行性进行分析。通过对2个公开数据集的实验结果表明,该模型能够实现辅助领域用户特征的迁移,有效提高目标领域的推荐质量。
-
关键词
数据稀疏
用户特征迁移
协同过滤
矩阵分解
Wiberg算法
-
Keywords
data sparsity
user feature transfer
collaborative filtering
matrix factorization
Wiberg algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于用户相似度迁移的协同过滤推荐算法
被引量:3
- 2
-
-
作者
柯良文
王靖
-
机构
华侨大学计算机科学与技术学院
-
出处
《微型机与应用》
2014年第14期71-74,共4页
-
基金
国家自然科学基金(61370006)
福建省高等学校杰出青年科研人才培育计划(11FJPY01)
福建省高等学校新世纪优秀人才支持计划(2012-FJ-NCET-ZR01)
-
文摘
数据稀疏性问题是传统的协同过滤算法主要的瓶颈之一。迁移学习利用辅助领域的用户评分信息,有效地缓解了目标领域的稀疏性问题。现有的迁移学习推荐算法中,普遍存在领域间的用户需要一致、模型平衡参数较多等限制。针对这些局限性,提出了一种用户相似度迁移的模型,利用辅助领域的用户相似度帮助目标领域用户相似度的学习。此外,通过一种用户特征子空间的距离来度量模型的平衡参数,使模型更加具有智能性。实验结果表明,该模型与其他协同过滤算法相比较能够更有效地缓解数据稀疏性问题。
-
关键词
数据稀疏性
协同过滤
迁移学习
用户相似度
特征子空间
-
Keywords
data sparsity collaborative filtering transfer learning user similarity feature subspace
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-