<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>
    1. <address id="n0hly"></address>
      1. 加急見(jiàn)刊

        加入標簽遷移的跨領(lǐng)域項目推薦算法

        葛夢(mèng)凡; 劉真; 王娜娜; 田靖玉 北京交通大學(xué)計算機與信息技術(shù)學(xué)院; 北京100044

        摘要:大多數推薦算法常采用基于遷移學(xué)習的跨領(lǐng)域推薦技術(shù),借助輔助領(lǐng)域的豐富數據信息來(lái)解決傳統單域推薦中普遍存在的數據稀疏等問(wèn)題。但若遷移的知識比較單一,沒(méi)有結合用戶(hù)行為,則往往會(huì )在目標領(lǐng)域導致負遷移、推薦結果不佳等問(wèn)題。因此,考慮結合其他知識來(lái)輔助完成目標領(lǐng)域的學(xué)習任務(wù)。利用用戶(hù)異構行為改善推薦結果,正是近年來(lái)的新興研究熱點(diǎn)之一。在用戶(hù)數據中,標簽與用戶(hù)的真實(shí)偏好相關(guān),通常能夠反映用戶(hù)或項目的部分隱式特征。通過(guò)結合遷移學(xué)習及用戶(hù)標簽數據,文中提出了基于標簽遷移的跨領(lǐng)域項目推薦算法ITTCF(Item-based Tag Transfer Collaborative Filtering)。該算法摒棄了在跨領(lǐng)域遷移推薦中僅對評分模式進(jìn)行挖掘遷移的單一輔助方式,將用戶(hù)行為反饋與數字評分相結合,融合了評分模式和標簽這兩種異構用戶(hù)行為。在多個(gè)數據集中的實(shí)驗結果均表明,ITTCF具有更好的RMSE和MAE值,較傳統算法分別提升了1.61%~6.67%和1.97%~8.83%。

        注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系計算機科學(xué)雜志社

        亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看
        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>

          <small id="n0hly"><progress id="n0hly"></progress></small>
        1. <address id="n0hly"></address>