针对基于聚类型矩阵分解的跨域推荐算法过于泛化的问题,通过辅助领域中专业度高的相似用户在目标领域的评分来缓解跨域粗矩阵预测评分的泛化性,提出一种融入专业度和用户相似性的跨域推荐算法。在辅助领域计算冷启动用户与重叠用户的相似度,利用专业度高的相似用户在目标领域的评分预测其个性化评分,通过多域联合矩阵的分解聚类得到泛化的预测评分,两者进行加权综合,得到准确性较高的推荐项目。真实数据集上的实验结果表明,通过融入专业度和用户相似性,提出算法提高了冷启动用户的推荐准确性。
科研之友
微信
新浪微博
Facebook
分享链接
