基于遷移學(xué)習(xí)的協(xié)同過(guò)濾推薦算法研究.pdf

1、推薦系統(tǒng)是解決信息過(guò)載的有效途徑,它應(yīng)用已有的用戶歷史評(píng)價(jià)行為對(duì)用戶實(shí)施個(gè)性化推薦。推薦算法作為推薦系統(tǒng)的核心,它的性能直接決定著推薦系統(tǒng)的好壞。協(xié)同過(guò)濾推薦算法是推薦系統(tǒng)應(yīng)用最為廣泛和成功的技術(shù)之一。然而,隨著用戶數(shù)和項(xiàng)目數(shù)不斷地增加,協(xié)同過(guò)濾技術(shù)遇到了數(shù)據(jù)稀疏性、可擴(kuò)展性等挑戰(zhàn)。為了緩解數(shù)據(jù)稀疏性的問(wèn)題,遷移學(xué)習(xí)通過(guò)應(yīng)用具有較多訓(xùn)練數(shù)據(jù)的輔助領(lǐng)域?qū)W習(xí)到的知識(shí),遷移到目標(biāo)領(lǐng)域中以幫助提高目標(biāo)領(lǐng)域推薦系統(tǒng)的推薦精度。本文從遷移學(xué)習(xí)的角度

2、研究協(xié)同過(guò)濾算法,提出了三個(gè)遷移學(xué)習(xí)模型,分別適應(yīng)目標(biāo)領(lǐng)域和輔助領(lǐng)域數(shù)據(jù)分別的不同情形。
　　(1)為了提高傳統(tǒng)協(xié)同過(guò)濾推薦算法的用戶興趣相似度計(jì)算的準(zhǔn)確性,構(gòu)建了一種用戶興趣相似度遷移的協(xié)同過(guò)濾模型,利用輔助領(lǐng)域的用戶興趣相似度幫助目標(biāo)領(lǐng)域用戶興趣相似度的學(xué)習(xí)。分析了模型中影響平衡參數(shù)大小的因素,并提出了一種特征子空間的距離近似地估計(jì)該平衡參數(shù),提高了模型的智能性。通過(guò)真實(shí)數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證,模型能夠準(zhǔn)確地計(jì)算目標(biāo)領(lǐng)域的用戶興趣相似

3、度,從而提高了推薦系統(tǒng)的推薦精度。
　　(2)為了幫助目標(biāo)領(lǐng)域用戶評(píng)價(jià)特征的學(xué)習(xí),在矩陣分解模型的基礎(chǔ)上提出了一種基于用戶特征遷移的協(xié)同過(guò)濾推薦算法。采用SOFT-IMPUTE算法解決輔助領(lǐng)域中帶核數(shù)的最小均方問(wèn)題,并以此構(gòu)造輔助領(lǐng)域的用戶特征。設(shè)計(jì)了一種快速收斂的Wiberg算法求解用戶特征遷移模型。同樣通過(guò)實(shí)驗(yàn)驗(yàn)證,該模型能夠有效地對(duì)輔助領(lǐng)域的用戶特征進(jìn)行遷移,顯著提高了目標(biāo)領(lǐng)域的推薦質(zhì)量。
　　(3)為了解決輔助領(lǐng)域和

4、目標(biāo)領(lǐng)域用戶特征維度可能不一致的情形,構(gòu)建了一種用戶特征子空間遷移的協(xié)同過(guò)濾推薦算法。利用輔助領(lǐng)域的用戶特征子空間到目標(biāo)領(lǐng)域用戶特征空間的投影距離來(lái)度量不同領(lǐng)域間的用戶特征的相似度,在此基礎(chǔ)上對(duì)輔助領(lǐng)域的用戶特征子空間進(jìn)行遷移。此外,提出了一個(gè)迭代算法對(duì)目標(biāo)模型的最優(yōu)化問(wèn)題進(jìn)行求解。仍然通過(guò)真實(shí)的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,該方法能夠有效的緩解數(shù)據(jù)稀疏性的問(wèn)題。
　　通過(guò)以上的研究工作,在一定程度上有效地緩解了協(xié)同過(guò)濾算法遇到的稀疏性問(wèn)題,