典型文献
迁移评分模式的跨域学习资源推荐算法
文献摘要：
传统单领域推荐算法存在数据稀疏和冷启动问题,且由于单领域推荐算法是在同一领域基于群体分类进行推荐,因此无法实现真正的个性化精准推荐.在网络环境下,学习资源呈现多种形态,而学习者在每一领域的评分数据更加稀疏.鉴于此,提出迁移评分模式的跨域学习资源推荐算法.该方法首先基于码本聚类思想从学习者的辅助领域评分数据中获取学习者的评分模式和商品的被评分模式;然后将其迁移到目标领域,以填补学习者在目标领域评分数据的不足,最后基于因子分解机将目标领域学习者、学习资源、评分模式和被评分模式进行集成,实现对学习者的个性化学习资源精准推荐.实证结果表明,该方法能够较好解决单领域学习资源推荐中存在的数据稀疏和冷启动问题,提高个性化学习资源推荐准确率.
文献关键词：
迁移学习;码本聚类;因子分解机;评分模式;跨域推荐
中图分类号：
作者姓名：
郭俊宏;甘柏青;徐林杰;丁永刚
作者机构：
湖北大学师范学院,湖北武汉 430062;武汉船舶通信研究所,湖北武汉430205
文献出处：
引用格式：
[1]郭俊宏;甘柏青;徐林杰;丁永刚-.迁移评分模式的跨域学习资源推荐算法)[J].软件导刊,2022(02):58-62
A类：
码本聚类
B类：
评分模式,学习资源推荐,资源推荐算法,数据稀疏,冷启动问题,同一领域,群体分类,精准推荐,网络环境,评分数据,被评,因子分解机,个性化学习,高个,迁移学习,跨域推荐
AB值：
0.20875
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
