基于遷移學(xué)習(xí)的跨領(lǐng)域推薦的方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展和網(wǎng)絡(luò)的不斷普及,人們已處在信息大爆炸的時(shí)代。推薦系統(tǒng)就是在這種背景下應(yīng)運(yùn)而生。推薦系統(tǒng)從眾多的信息中為用戶推薦用戶本身感興趣的內(nèi)容，提高了用戶獲取信息的效率。目前，大多數(shù)推薦系統(tǒng)都是基于協(xié)同過(guò)濾推薦技術(shù)來(lái)進(jìn)行推薦，但它存在兩個(gè)主要的問(wèn)題，即數(shù)據(jù)稀疏性問(wèn)題和冷啟動(dòng)問(wèn)題。
　　目前，有一些學(xué)者提出了運(yùn)用遷移學(xué)習(xí)的思想去解決協(xié)同過(guò)濾推薦系統(tǒng)中的數(shù)據(jù)稀疏性問(wèn)題和冷啟動(dòng)問(wèn)題。但這些模型幾乎都沒(méi)考慮兩個(gè)領(lǐng)域間的差異性，如

2、評(píng)分刻度差異性、領(lǐng)域間相關(guān)性。這種差異性可能會(huì)導(dǎo)致數(shù)據(jù)的負(fù)遷移，造成推薦準(zhǔn)確度降低。針對(duì)這一問(wèn)題，本文提出了兩種新的基于遷移學(xué)習(xí)的跨領(lǐng)域推薦方法：
　　1)提出一種基于標(biāo)簽的跨領(lǐng)域推薦方法。大多數(shù)推薦系統(tǒng)都有對(duì)用戶和物品進(jìn)行描述的標(biāo)簽，本文利用這些標(biāo)簽來(lái)連接兩個(gè)領(lǐng)域并進(jìn)行數(shù)據(jù)的遷移，因?yàn)闃?biāo)簽記錄的是用戶特征，所以領(lǐng)域間知識(shí)的遷移就是對(duì)用戶特征進(jìn)行遷移，因而避免了領(lǐng)域間的評(píng)分刻度差異所帶來(lái)的問(wèn)題，從而解決了領(lǐng)域間的差異性導(dǎo)致的數(shù)據(jù)負(fù)

3、遷移。該方法主要分為三步：首先利用非負(fù)矩陣分解算法對(duì)輔助數(shù)據(jù)域進(jìn)行用戶分類，得到不同類型的用戶分組；其次，通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)用戶的特征進(jìn)行學(xué)習(xí)，訓(xùn)練得到根據(jù)用戶的特征來(lái)判斷用戶類型的神經(jīng)網(wǎng)絡(luò)；最后，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)對(duì)目標(biāo)數(shù)據(jù)域的用戶進(jìn)行類型判斷，并根據(jù)同類型用戶對(duì)同一物品的平均評(píng)分去填充目標(biāo)數(shù)據(jù)域的空缺值。
　　2)提出一種基于潛在特征聚類的跨領(lǐng)域推薦方法。該方法不僅學(xué)習(xí)不同領(lǐng)域間的“共享知識(shí)”，而且還學(xué)習(xí)不同領(lǐng)域間的“特