基于Baseline SVD主动学习算法的推荐系统

摘要：

推荐系统是一种解决信息过载的新型技术，为了解决推荐系统中新用户带来的冷启动问题，提出一种基于主动学习的推荐系统。主动学习方法能有效减少需要标记的样本数量，快速建立模型，在此选择将主动学习方法和Baseline SVD推荐算法结合起来，通过记录模型训练得到的预估评价的改变程度，认为改变最大的样例即是最具有信息量的样例，供新用户标记，并重新训练模型。通过与其他选择策略进行实验比较，证实了该方法确实有效解决了新用户带来的冷启动问题。

关键词：推荐系统、主动学习、Baseline SVD、样例选择

分类号：TN915.03-34

资助基金：江苏省社会安全图像与视频理解重点实验室南京理工大学开放基金项目20920130122006；高等学校学科创新引智计划资助B13022

在线出版日期：2015-06-30（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：8-11