面向冷启动用户的代表性物品选择

• 作者: 曹健 汪静 赵海燕 陈庆奎
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 冷启动 主动学习 协同聚类 代表性物品 决策树
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1589-1594
• 页数: 6页
• 分类号: TP311
• 字数: 7893字
• 语种: 中文

摘要

冷启动问题一直是推荐系统在实际应用过程中的一大难点,主动学习在推荐领域的应用一定程度上可以缓解这一困境.本文提出一个针对用户冷启动而生成"代表性物品"的主动学习策略.它利用用户与物品之间的关系,对用户与物品进行协同聚类,再借助于决策树得到最终的"代表性物品".实验证明,用"代表性物品"对用户进行分类后给出询问列表,能够获取到更多的评分数据以及更优的RMSE.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹健	上海交通大学计算机科学与技术系	147	2115	24.0	42.0
2	汪静		1	1	1.0	1.0
3	赵海燕		5	42	1.0	5.0
4	陈庆奎		5	42	1.0	5.0