一种基于用户信息映射的跨领域推荐算法

冷启动问题一直是推荐系统中的一大难点，而跨领域推荐可以通过迁移其他领域的信息缓解这个问题．本文提出一种基于用户信息映射的跨领域推荐算法，它可以在具有少量标记数据的情况下有效地学习跨域关系，并利用标签提高用户和物品编码的准确性．首先学习用户和物品的潜在向量，并改进降维方法将其处理成低维稠密向量；然后生成用户种群，利用偏好不同的用户种群训练映射函数，通过映射函数映射用户信息提高推荐效果．通过实验探究各个参数对实验结果的影响，验证了本文模型对重叠用户数量的依赖更低，相较于基准实验，有更好的推荐准确性，同时表明本文方法有更好的推荐效果．