一种基于数据迁移的冷启动解决算法

摘要：

在协同过滤技术的实际应用中,提出一种数据迁移和聚类相结合的方法来解决新系统冷启动问题.采用斯皮尔曼秩相关公式度量用户之间的相似度,使用期望最大化聚类算法对原数据集用户进行聚类.对于不同的簇,选取平均打分最高的N个项目作为推荐内容,针对目标数据集的用户,计算用户所属的簇以及对簇的隶属度,按照隶属度比例给用户推荐其所属簇的推荐列表.与TAM算法和CF算法的实验对比结果表明,该算法在解决新系统冷启动问题方面有较好的效果.

关键词：推荐系统、冷启动、协同过滤、数据迁移、迁移学习、期望最大化

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目71240003;国家“973”计划前期研究专项基金资助项目“云服务多媒体应用平台的基础架构研究与应用研究”2012CB724106;山东省自然科学基金资助项目ZR2012FM003;山东省优秀中青年科学家科研奖励基金资助项目BS2012DX030;山东省高等学校科技计划基金资助项目J12LN45;全国统计科学研究计划基金资助项目2012LY001;青岛开发区重点科技计划基金资助项目2013-1-25;青岛市科技计划基础研究基金资助项目KJZD-13-29-JCH

在线出版日期：2014-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：273-276