典型文献
融合用户潜在特征的深度跨域推荐方法
文献摘要：
冷启动用户推荐是跨域推荐中具有挑战性的问题.目前提出的跨域模型大多使用评分信息获得冷启动用户在目标域中的潜在特征,然而评分信息又相对稀疏.为更好地获得冷启动用户的偏好特征,提出同时为源域与目标域融合评论信息的新型跨域推荐模型DRCDR.该模型使用两个源域的信息为用户提供数据,并且在处理评分信息的同时,考虑到具有时序性的评论中蕴含的上下文信息,进而为源域与目标域同步添加评论信息.DRCDR同时采用新的融合方法融合两个源域信息,并使用多层感知机获得源域与目标域之间的非线性映射函数,最终实现跨域推荐.真实数据集上的实验结果表明,该跨域推荐方法的RMSE和MAE相较于以往跨域方法提高了2％～4％,能够有效实现跨域推荐.
文献关键词：
迁移学习;Bi-LSTM;深度学习;跨域推荐
中图分类号：
作者姓名：
李慧;於跃成
作者机构：
江苏科技大学计算机学院,江苏镇江212100
文献出处：
引用格式：
[1]李慧;於跃成-.融合用户潜在特征的深度跨域推荐方法)[J].软件导刊,2022(08):45-50
A类：
DRCDR
B类：
潜在特征,跨域推荐,推荐方法,冷启动,动用,用户推荐,分信,目标域,偏好特征,源域,评论信息,推荐模型,模型使用,时序性,上下文信息,融合方法,方法融合,域信息,多层感知机,非线性映射,映射函数,真实数据,RMSE,MAE,迁移学习,Bi
AB值：
0.302169
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。
