午夜亚洲国产日本电影一区二区三区,九九久久99综合一区二区,国产一级毛片视频,草莓视频在线观看精品最新

摘要：大多數(shù)推薦算法常采用基于遷移學(xué)習(xí)的跨領(lǐng)域推薦技術(shù),借助輔助領(lǐng)域的豐富數(shù)據(jù)信息來(lái)解決傳統(tǒng)單域推薦中普遍存在的數(shù)據(jù)稀疏等問(wèn)題。但若遷移的知識(shí)比較單一,沒(méi)有結(jié)合用戶行為,則往往會(huì)在目標(biāo)領(lǐng)域?qū)е仑?fù)遷移、推薦結(jié)果不佳等問(wèn)題。因此,考慮結(jié)合其他知識(shí)來(lái)輔助完成目標(biāo)領(lǐng)域的學(xué)習(xí)任務(wù)。利用用戶異構(gòu)行為改善推薦結(jié)果,正是近年來(lái)的新興研究熱點(diǎn)之一。在用戶數(shù)據(jù)中,標(biāo)簽與用戶的真實(shí)偏好相關(guān),通常能夠反映用戶或項(xiàng)目的部分隱式特征。通過(guò)結(jié)合遷移學(xué)習(xí)及用戶標(biāo)簽數(shù)據(jù),文中提出了基于標(biāo)簽遷移的跨領(lǐng)域項(xiàng)目推薦算法ITTCF(Item-based Tag Transfer Collaborative Filtering)。該算法摒棄了在跨領(lǐng)域遷移推薦中僅對(duì)評(píng)分模式進(jìn)行挖掘遷移的單一輔助方式,將用戶行為反饋與數(shù)字評(píng)分相結(jié)合,融合了評(píng)分模式和標(biāo)簽這兩種異構(gòu)用戶行為。在多個(gè)數(shù)據(jù)集中的實(shí)驗(yàn)結(jié)果均表明,ITTCF具有更好的RMSE和MAE值,較傳統(tǒng)算法分別提升了1.61%~6.67%和1.97%~8.83%。

注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系計(jì)算機(jī)科學(xué)雜志社