典型文献
深度融合辅助信息的跨域推荐算法
文献摘要：
协同过滤已成功用于为用户提供个性化的产品和服务,然而它面临数据稀疏和冷启动的问题.一种解决方案是结合辅助信息,另一种是从相关领域学习知识.综合考虑了这两个方面,提出一种深度融合辅助信息的跨域推荐算法CICDR,它集成了集体矩阵分解和深度迁移学习.该算法通过Semi-SDAE和矩阵分解(MF)在源域和目标域中进行建模,学习评分信息和辅助信息中的有效特征向量,并利用用户的隐式反馈信息来做出更准确的推荐.通过这种方式,在两个领域中学习到的用户和项目潜在因素为推荐保留了更多的语义信息.通过非完备正交非负矩阵三分解(IONMTF)产生桥接两个相关领域的公共潜在因素,以缓解目标域中的冷启动和数据稀疏问题.在三个真实数据集上与四种经典算法进行对比,验证了提出算法的有效性,进一步提高了推荐精度和用户满意度.
文献关键词：
深度学习;辅助信息;隐式反馈;矩阵分解;跨域推荐
中图分类号：
作者姓名：
陆永倩;生佳根
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]陆永倩;生佳根-.深度融合辅助信息的跨域推荐算法)[J].计算机工程与应用,2022(24):90-96
A类：
CICDR,IONMTF
B类：
辅助信息,跨域推荐,推荐算法,协同过滤,功用,数据稀疏,冷启动,学习知识,体矩阵,矩阵分解,深度迁移学习,Semi,SDAE,MF,源域,目标域,分信,有效特征,特征向量,用用,隐式反馈,反馈信息,语义信息,非负矩阵,桥接,真实数据,推荐精度,用户满意度
AB值：
0.379235
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。
