基于迁移学习的单类协同过滤算法.docVIP

Hans Journal of Data Mining 数据挖掘, 2013, 3, 12-17 /10.12677/hjdm.2013.31003 Published Online January 2013 (/journal/hjdm.html) One Class Collaborative Filtering Algorithm Based on Transfer Learning Shengmei Luo , Yunzhen Lin , Xiaowei Ye , Hailong Wen 1 2 1 2 1 ZTE Corporation, Nanjing 2 School of Software, Tsinghua University, Beijing Email: luo.shengmei@, ynlnlyz@126.com, ye.xiaowei@, youxiabsyw@ Received: Nov. 22 , 2012; revised: Dec. 20 , 2012; accepted: Dec. 28 , 2012 nd th th Abstract: Collaborative filtering is a useful algorithm for problems of personalized recommendation. For these prob- lems, there are many mature collaborative filtering algorithms. One class collaborative filtering is a new field of per- sonalized recommendation. Because of its data characteristics, common collaborative filtering algorithms have a lot of defects in the field of one class collaborative filtering. We studied the algorithm based on weighted matrix decomposi- tion, and optimized this algorithm by transfer learning. We prove the improvement of this optimization by experiments. Keywords: Recommendation; Collaborative Filtering; One Class; Transfer Learning 基于迁移学习的单类协同过滤算法 罗圣美，林运祯，叶小伟，文海龙 2 1 2 1 1 中兴通讯，南京 清华大学软件学院，北京 2 Email: luo.shengmei@, ynlnlyz@126.com, ye.xiaowei@, youxiabsyw@ 收稿日期：2012年 11月 22日；修回日期：2012年 12月 20日；录用日期：2012年 12月 28日 摘 要：协同过滤算法是现在个性化推荐领域流行的算法。对常见的推荐问题，协同过滤算法已有成熟的实现。 单类协同过滤问题是推荐领域的一个新问题，其数据特征导致其不适用于常见的协同过滤算法。本文研究了基 于加权矩阵分解的单类协同过滤算法，并对其进行基于迁移学习的改进。通过在真实数据集上的验证，证明其 效果优于传统的单类协同过滤算法。 关键词：推荐系统；协同过滤；单类；迁移学习 1.引言 用户同样的推荐内容的。因此，个性化推荐成为推荐 随着互联网的发展，很多有一定规模的公司都积 累了大量的用户数据，如何利用这些数据找出用户的 使用倾向成为商家的迫切需求；同时，作为普通用户， 如何从互联网的海量数据当中找出自己最需要的内 容，也是用户的急切需要。这些事实成为推动推荐技 术发展的主要助力。 技术的主要发展方向。对于个性化推荐，各种成熟的 协同过滤算法是其主要实现方