一种解决协同过滤系统冷启动问题的新算法

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (2): 11-17.

一种解决协同过滤系统冷启动问题的新算法

李改^1,2,3, 李磊^2,3

1. 顺德职业技术学院电子与信息工程系, 广东顺德 528333;
2. 中山大学信息科学与技术学院, 广东广州 510006; 3. 中山大学软件研究所, 广东广州 510275

收稿日期:2011-05-10 出版日期:2012-04-20 发布日期:2011-05-10
作者简介:李改(1981- ),男,湖北荆州人,讲师,博士研究生,主要研究方向为机器学习,数据挖掘,推荐系统.Email:ligai999@126.com
基金资助:
国家自然科学基金资助项目(61003140,61033010);中山大学高性能与网格计算平台资助项目

A new algorithm of cold-start in a collaborative filtering system

LI Gai^1,2,3, LI Lei^2,3

1. Department of Electronic and Information Engineering, Shunde Polytechnic, Shunde 528333, China;
2. School of Information Science and Technology, Sun YatSen University, Guangzhou 510006, China;
3. Software Institute, Sun YatSen University, Guangzhou 510275, China

Received:2011-05-10 Online:2012-04-20 Published:2011-05-10

摘要/Abstract

摘要：

在基于矩阵分解的协同过滤算法中,新用户和新项目的冷启动问题是所面临的难点问题之一。通过运用基于K近邻的属性——特征映射的算法得到新用户和新项目的特征向量,解决了该类协同过滤算法所面临的冷启动问题。在真实的实验数据集上验证了该算法的有效性。

关键词: 推荐系统, 协同过滤, 冷启动, 交叉最小二乘法, K近邻

Abstract:

In the collaborative filtering algorithms based on matrix decomposition, the new user and new item cold-start is a difficult problem. The problem of cold-start was solved by using the attribute-to-feature a mapping algorithm based on K-nearest-neighbor(KNN) to get the feature vectors of the new user and new item. The experimental evaluation using a real-world dataset showed the effectiveness of this method.

Key words: collaborative filtering, cold-start, alternating least squares, K-nearest-neighbor, recommendation systems

李改1,2,3, 李磊2,3. 一种解决协同过滤系统冷启动问题的新算法[J]. 山东大学学报(工学版), 2012, 42(2): 11-17.

LI Gai1,2,3, LI Lei2,3. A new algorithm of cold-start in a collaborative filtering system[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(2): 11-17.

参考文献

相关文章 15

[1]	段圣宇,吴伊宁,赛高乐. 一种面向矩阵分解模型的推荐系统训练加速方法[J]. 山东大学学报 (工学版), 2025, 55(1): 24-29.
[2]	刘玉芳,王绍卿,郑顺,张丽杰,孙福振. 基于跨域元学习框架的冷启动用户表示学习方法[J]. 山东大学学报 (工学版), 2024, 54(6): 29-37.
[3]	李璐,张志军,范钰敏,王星,袁卫华. 面向冷启动用户的元学习与图转移学习序列推荐[J]. 山东大学学报 (工学版), 2024, 54(2): 69-79.
[4]	郑顺,王绍卿,刘玉芳,李可可,孙福振. 基于动态掩码和多对对比学习的序列推荐模型[J]. 山东大学学报 (工学版), 2023, 53(6): 47-55.
[5]	王冰,马文明,武聪,郝昱猛. 融合信任相似度的偏置概率矩阵分解算法[J]. 山东大学学报 (工学版), 2022, 52(4): 110-117.
[6]	张胜男,王雷,常春红,郝本利. 基于三维剪切波变换和BM4D的图像去噪方法[J]. 山东大学学报 (工学版), 2020, 50(2): 83-90.
[7]	陈德蕾, 王成, 陈建伟, 吴以茵. 基于门控循环单元与主动学习的协同过滤推荐算法[J]. 山东大学学报 (工学版), 2020, 50(1): 21-27.
[8]	胡云,张舒,李慧,佘侃侃,施珺. 基于信任网络重构的推荐算法[J]. 山东大学学报 (工学版), 2019, 49(2): 42-46.
[9]	黄丹,王志海,刘海洋. 一种局部协同过滤的排名推荐算法[J]. 山东大学学报(工学版), 2016, 46(5): 29-36.
[10]	林耀进,张佳,林梦雷,王娟. 一种基于模糊信息熵的协同过滤推荐方法[J]. 山东大学学报(工学版), 2016, 46(5): 13-20.
[11]	李朔,石宇良. 基于位置社交网络中地点聚类推荐方法[J]. 山东大学学报(工学版), 2016, 46(3): 44-50.
[12]	庞俊涛, 张晖, 杨春明, 李波, 赵旭剑. 基于概率矩阵分解的多指标协同过滤算法[J]. 山东大学学报(工学版), 2016, 46(3): 65-73.
[13]	张佳,林耀进,林梦雷,刘景华,李慧宗. 基于信息熵的协同过滤算法[J]. 山东大学学报(工学版), 2016, 46(2): 43-50.
[14]	陈大伟,闫昭*,刘昊岩. SVD系列算法在评分预测中的过拟合现象[J]. 山东大学学报(工学版), 2014, 44(3): 15-21.
[15]	孙远帅,陈垚,刘向荣,陈珂,林琛. 基于项目层次相似性的推荐算法[J]. 山东大学学报(工学版), 2014, 44(3): 8-14.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	李侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[2]	施来顺,万忠义 . 新型甜菜碱型沥青乳化剂的合成与性能测试[J]. 山东大学学报(工学版), 2008, 38(4): 112 -115 .
[3]	孔祥臻,刘延俊,王勇,赵秀华 . 气动比例阀的死区补偿与仿真[J]. 山东大学学报(工学版), 2006, 36(1): 99 -102 .
[4]	来翔 . 用胞映射方法讨论一类MKdV方程[J]. 山东大学学报(工学版), 2006, 36(1): 87 -92 .
[5]	余嘉元1 , 田金亭1 , 朱强忠2 . 计算智能在心理学中的应用[J]. 山东大学学报(工学版), 2009, 39(1): 1 -5 .
[6]	陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[7]	王波,王宁生 . 机电装配体拆卸序列的自动生成及组合优化[J]. 山东大学学报(工学版), 2006, 36(2): 52 -57 .
[8]	张英,郎咏梅,赵玉晓,张鉴达,乔鹏,李善评 . 由EGSB厌氧颗粒污泥培养好氧颗粒污泥的工艺探讨[J]. 山东大学学报(工学版), 2006, 36(4): 56 -59 .
[9]	王丽君,黄奇成,王兆旭 . 敏感性问题中的均方误差与模型比较[J]. 山东大学学报(工学版), 2006, 36(6): 51 -56 .
[10]	Yue Khing Toh1 ， XIAO Wendong2 ， XIE Lihua1 . 基于无线传感器网络的分散目标跟踪：实际测试平台的开发应用（英文）[J]. 山东大学学报(工学版), 2009, 39(1): 50 -56 .