摘要:冷啟動問題一直是推薦系統(tǒng)在實(shí)際應(yīng)用過程中的一大難點(diǎn),主動學(xué)習(xí)在推薦領(lǐng)域的應(yīng)用一定程度上可以緩解這一困境.本文提出一個針對用戶冷啟動而生成"代表性物品"的主動學(xué)習(xí)策略.它利用用戶與物品之間的關(guān)系,對用戶與物品進(jìn)行協(xié)同聚類,再借助于決策樹得到最終的"代表性物品".實(shí)驗(yàn)證明,用"代表性物品"對用戶進(jìn)行分類后給出詢問列表,能夠獲取到更多的評分?jǐn)?shù)據(jù)以及更優(yōu)的RMSE.
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
小型微型計算機(jī)系統(tǒng)雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:計算機(jī)網(wǎng)絡(luò)信息安全、算法理論、人工智能分布式計算、計算機(jī)圖形與圖像、計算機(jī)應(yīng)用等。于1980年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。