歡迎來到優(yōu)發(fā)表網！
面向冷啟動用戶的代表性物品選擇
作者：汪靜; 趙海燕; 陳慶奎; 曹健 上海市現(xiàn)代光學系統(tǒng)重點實驗室; 光學儀器與系統(tǒng)教育部工程研究中心; 上海理工大學光電信息與計算機工程學院; 上海200093; 上海交通大學計算機科學與技術系; 上海200030
摘要：冷啟動問題一直是推薦系統(tǒng)在實際應用過程中的一大難點,主動學習在推薦領域的應用一定程度上可以緩解這一困境.本文提出一個針對用戶冷啟動而生成"代表性物品"的主動學習策略.它利用用戶與物品之間的關系,對用戶與物品進行協(xié)同聚類,再借助于決策樹得到最終的"代表性物品".實驗證明,用"代表性物品"對用戶進行分類后給出詢問列表,能夠獲取到更多的評分數(shù)據(jù)以及更優(yōu)的RMSE.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關熱門期刊
