利用交叉推荐模型解决用户冷启动问题

• 作者: 崔强 朱坤广 杨达 郝春亮
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 推荐系统 迁移学习 用户冷启动 交叉推荐
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 66-71,76
• 页数: 7页
• 分类号: TP3
• 字数: 7834字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.05.017

摘要

用户冷启动是推荐系统的一个重要问题。传统的推荐系统使用迁移学习的方法来解决这个问题，即利用一个领域的评分信息或者标签预测另外一个领域的用户和物品评分。上述迁移学习模型通常假设两个领域没有重叠的用户和物品，与上述假设不同，很多情况下系统可以获取同一用户在不同领域的数据。针对这种数据，提出一种新的推荐系统冷启动模型—crossSVD＆GBDT （CSGT），通过有效利用重叠用户的信息来解决用户冷启动问题。具体地，首先提出新模型获取用户和物品的特征，然后利用 GBDT模型进行训练。实验数据表明，在豆瓣数据集中 corssSVD＆GBDT 可以得到比传统方法性能更高、鲁棒性更强的实验结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨达	中国科学院软件研究所基础软件国家工程研究中心	23	84	6.0	6.0
5	崔强	中国科学院软件研究所基础软件国家工程研究中心	5	7	2.0	2.0
9	郝春亮	中国科学院软件研究所基础软件国家工程研究中心	5	17	2.0	4.0
13	朱坤广	中国科学院软件研究所基础软件国家工程研究中心	1	2	1.0	1.0