基于知識遷移的跨領域推薦算法研究.pdf

1、在當今的互聯(lián)網(wǎng)時代下，大量信息數(shù)據(jù)的積累使得人們很難迅速準確地發(fā)現(xiàn)自己所感興趣的內容，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、數(shù)據(jù)稀疏性問題。隨著互聯(lián)網(wǎng)的普及，不同領域的信息可以共享和互為補充，為解決冷啟動問題，跨領域推薦帶來了機遇。為提高跨領域推薦結果的準確性和多樣性，提升跨領域信息資源的利用率，本文提出了兩種基于領域間知識遷移的跨領域推薦算法。主要工作如下:
　　(1)本文首先對源領域和目

2、標領域的用戶進行分析，在領域間有用戶重疊的場景下，提出了基于用戶興趣相似度遷移的跨領域推薦算法(User interest-based transfer，UIT);從用戶角度出發(fā)，用戶的興趣度會在不同領域中體現(xiàn)，用戶的好友在不同領域中不盡相同。基于此，可通過用戶的好友將用戶在源領域中的興趣度遷移到目標推薦領域中去，我們首先把源領域的信息評分矩陣進行填充，再利用矩陣分解方法計算用戶興趣度，最終我們得到源領域中的興趣度與目標域中改進相似度的

3、融合算法。
　　(2)針對領域間沒有用戶重疊的場景，我們進一步提出了基于共享知識模型的跨領域推薦算法(Sharing knowledge pattern，SKP)，通過分析各個領域中用戶-項目-評分數(shù)據(jù)，可以得到用戶的潛在特征和項目的潛在特征，在將用戶和項目的潛在特征分別聚類的基礎上，得到用戶分組對項目分組的評分知識模型，最終充分利用目標領域的個性知識模型和共享各個領域的共性知識模型來提供最終的推薦結果。
　　(3)在Spa