基于用户特征迁移的协同过滤推荐-武汉大学学报·信息科学版.PDFVIP

第41卷　 第1期 　 计 算 机 工 程 2015年1月 　 　 Vol.41　 No.1 　 Computer Engineering January2015 ·先进计算与数据处理 · 文章编号:1000-3428(2015)01-0037-07　 　 　 文献标识码:A　 　 　 中图分类号:TP311 基于用户特征迁移的协同过滤推荐 柯良文,王　 靖 (华侨大学计算机科学与技术学院,福建 厦门361021) 摘　 要:为提高推荐系统在数据稀疏情况下的推荐质量,提出一种基于用户特征迁移的协同过滤推荐模型。 利用 矩阵分解技术提取辅助领域的用户特征,通过建立正则项约束的矩阵分解模型,将辅助领域的用户特征迁移到目 标领域中,协助目标领域用户特征的学习,最终生成目标领域的用户推荐。 设计快速收敛的Wiberg算法得到模型 的最优解,并对实际应用中的可行性进行分析。 通过对2个公开数据集的实验结果表明,该模型能够实现辅助领 域用户特征的迁移,有效提高目标领域的推荐质量。 关键词:数据稀疏;用户特征迁移;协同过滤;矩阵分解;Wiberg算法 中文引用格式:柯良文,王　 靖.基于用户特征迁移的协同过滤推荐[J].计算机工程,2015,41(1):37-43. 英文引用格式:Ke Liangwen,Wang Jing.Collaborative Filtering Recommendation Based on User Feature Transfer[J]. Computer Engineering,2015,41(1):37-43. Collaborative Filtering Recommendation Based on User Feature Transfer KE Liangwen,WANG Jing (School of Computer Science and Technology,Huaqiao University,Xiamen361021,China) 【Abstract】 In order to improve the recommendation quality of recommender system with data sparsity,this paper proposes a user collaborative filtering recommendation model based on feature transfer. Firstly,matrix factorization technology isapplied to collect the user feature from the auxiliary domain.Secondly,it constructs a matrix factorization model with the constraint of regularization term,which is used to transfer the user feature learned from the auxiliary domain to the target domain,so astohelp thelearning ofuser featurein thetarget domain.Finally,user recommendation ismade for the target domain.A fast convergence Wiberg algorithm is also designed for the model to get the optimal solution,whose feasibility isalso discusse