深度融合内容和隐式反馈的跨域推荐算法
Cross-domain recommendation algorithm based ondeep fusion of content and implicit feedback作者机构:江苏科技大学计算机学院镇江212100
出 版 物:《江苏科技大学学报(自然科学版)》 (Journal of Jiangsu University of Science and Technology:Natural Science Edition)
年 卷 期:2024年第38卷第1期
页 面:75-81页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(61806087) 江苏省研究生创新项目(SJCX20_1475)
摘 要:针对现有的大多数跨域推荐方法仅仅使用了源域的评分信息和部分辅助信息,并未充分使用包括隐式反馈信息在内的其它辅助信息,文中提出了一种融合多种辅助信息的跨域推荐算法,以充分使用隐式反馈信息和内容信息来提升跨域推荐方法的性能.在对堆叠降噪自动编码器(stacked denoising autoencoder,SDAE)进行扩展的基础上,结合矩阵分解(matrix factorization,MF)方法,同时融合了源域的评分信息、用户和项目的内容信息以及隐式反馈信息,丰富了用户和项目潜在特征的语义信息.采用基于密码本的知识迁移方法和非完备正交非负矩阵三分解方法,设计了适用于评分信息和多类型辅助信息综合运用的跨域协同过滤框架.实际数据集上的实验结果表明,该方法在改善推荐性能,减少用户厌恶推荐结果方面有着良好的效果.