基于知識(shí)遷移的跨領(lǐng)域推薦算法研究.pdf

1、在當(dāng)今的互聯(lián)網(wǎng)時(shí)代下，大量信息數(shù)據(jù)的積累使得人們很難迅速準(zhǔn)確地發(fā)現(xiàn)自己所感興趣的內(nèi)容，推薦系統(tǒng)在一定程度上解決了這種信息過載問題，但是傳統(tǒng)的推薦系統(tǒng)難以解決冷啟動(dòng)、數(shù)據(jù)稀疏性問題。隨著互聯(lián)網(wǎng)的普及，不同領(lǐng)域的信息可以共享和互為補(bǔ)充，為解決冷啟動(dòng)問題，跨領(lǐng)域推薦帶來了機(jī)遇。為提高跨領(lǐng)域推薦結(jié)果的準(zhǔn)確性和多樣性，提升跨領(lǐng)域信息資源的利用率，本文提出了兩種基于領(lǐng)域間知識(shí)遷移的跨領(lǐng)域推薦算法。主要工作如下:
　　(1)本文首先對(duì)源領(lǐng)域和目

2、標(biāo)領(lǐng)域的用戶進(jìn)行分析，在領(lǐng)域間有用戶重疊的場(chǎng)景下，提出了基于用戶興趣相似度遷移的跨領(lǐng)域推薦算法(User interest-based transfer，UIT);從用戶角度出發(fā)，用戶的興趣度會(huì)在不同領(lǐng)域中體現(xiàn)，用戶的好友在不同領(lǐng)域中不盡相同?；诖耍赏ㄟ^用戶的好友將用戶在源領(lǐng)域中的興趣度遷移到目標(biāo)推薦領(lǐng)域中去，我們首先把源領(lǐng)域的信息評(píng)分矩陣進(jìn)行填充，再利用矩陣分解方法計(jì)算用戶興趣度，最終我們得到源領(lǐng)域中的興趣度與目標(biāo)域中改進(jìn)相似度的

3、融合算法。
　　(2)針對(duì)領(lǐng)域間沒有用戶重疊的場(chǎng)景，我們進(jìn)一步提出了基于共享知識(shí)模型的跨領(lǐng)域推薦算法(Sharing knowledge pattern，SKP)，通過分析各個(gè)領(lǐng)域中用戶-項(xiàng)目-評(píng)分?jǐn)?shù)據(jù)，可以得到用戶的潛在特征和項(xiàng)目的潛在特征，在將用戶和項(xiàng)目的潛在特征分別聚類的基礎(chǔ)上，得到用戶分組對(duì)項(xiàng)目分組的評(píng)分知識(shí)模型，最終充分利用目標(biāo)領(lǐng)域的個(gè)性知識(shí)模型和共享各個(gè)領(lǐng)域的共性知識(shí)模型來提供最終的推薦結(jié)果。
　　(3)在Spa