用于冷启动推荐的用户偏好跨域转移框架

作     者：刘玉芳 王绍卿 郑顺 张丽杰 孙福振 LIU Yufang;WANG Shaoqing;ZHENG Shun;ZHANG Lijie;SUN Fuzhen

作者机构：山东理工大学计算机科学与技术学院山东淄博255049 

基　　金：山东省自然科学基金项目(ZR2020MF147,ZR2021MF017) 山东省高等学校青创科技计划创新团队项目(2021KJ031) 

出 版 物：《山东理工大学学报（自然科学版）》 (Journal of Shandong University of Technology:Natural Science Edition)

年 卷 期：2024年第38卷第1期

页      码：26-32,41页

摘      要：在推荐系统中冷启动问题一直面临着巨大的挑战。跨域推荐旨在利用源域中用户丰富的信息来提高目标域中冷启动用户推荐的性能,能够有效地缓解冷启动问题。基于映射函数的跨域推荐方法存在过于依赖重叠用户的问题,然而在冷启动场景中重叠用户的数量非常少,导致较差的泛化能力。元学习能够在冷启动推荐背景下快速适应数据稀疏的新任务,具有良好的泛化能力。提出了用于冷启动推荐的用户偏好跨域转移框架(UPCTFCR),设计了一个自编码器和元学习器,用以训练映射函数的初始化参数,将用户在源域中的偏好转移到目标域,将此作为冷启动用户在目标域中的初始嵌入进行推荐。利用亚马逊数据集构建了3个跨域任务,通过实验证明了UPCTFCR在冷启动推荐中的有效性。

主 题 词：跨域推荐 冷启动推荐 元学习 自注意力 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-6197.2024.01.005

馆 藏 号：203124463...