基于迁移的联合矩阵分解的协同过滤算法 |
| |
引用本文: | 陈珏伊,朱颖琪,周刚,崔兰兰,伍少梅.基于迁移的联合矩阵分解的协同过滤算法[J].四川大学学报(自然科学版),2020,57(6):1096-1102. |
| |
作者姓名: | 陈珏伊 朱颖琪 周刚 崔兰兰 伍少梅 |
| |
作者单位: | 贵州电网有限责任公司贵阳供电局物流服务中心,贵阳550001;贵州电网有限责任公司信息中心,贵阳550000;四川大学计算机学院,成都610065;78123部队,成都610017 |
| |
基金项目: | 南方电网公司科技项目(GZKJXM 20170162); 2018四川省新一代人工智能重大专项(18ZDZX0137) |
| |
摘 要: | 早期的协同过滤算法利用矩阵分解来解决数据稀疏问题,但是严重的稀疏问题导致矩阵分解的性能很难满足应用的需求.随后,迁移学习被引入到协同过滤的研究中,它主要利用辅助域和目标域的公共用户的各种信息来解决目标域的数据稀疏问题.虽然通过引入辅助域的信息能够帮助目标域获取更多的知识,但是在公共用户包含的公共商品项目少的情况下,只利用公共用户的浅层特征来度量用户的相似性,不能很好地捕捉用户的潜在特征,相似性度量效果不好.为此,本文提出了一种基于迁移的联合矩阵分解协同过滤模型,以公共用户为锚,将两个领域的用户和商品映射到一个潜在的语义空间.模型通过对两个领域的用户 商品评分矩阵在以公共用户信息作为约束项的情况下,进行联合矩阵分解,在实际基准数据集上的实验结果表明,本文所提出的方法明显优于现有基于相似度计算的迁移学习方法,也证明了模型的有效性.
|
关 键 词: | 数据稀疏 协同过滤 迁移学习 联合矩阵分解 |
收稿时间: | 2020/9/8 0:00:00 |
修稿时间: | 2020/9/15 0:00:00 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《四川大学学报(自然科学版)》下载免费的PDF全文 |
|