男人摸女人的胸视频,91精品国产91久久久久久最新,黄色视频性爱免费看,黄瓜视频在线观看,国产小视频国产精品,成人福利国产一区二区,国产高清精品自拍91亚洲,国产91一区二区

摘要：大多數(shù)推薦算法常采用基于遷移學(xué)習(xí)的跨領(lǐng)域推薦技術(shù),借助輔助領(lǐng)域的豐富數(shù)據(jù)信息來解決傳統(tǒng)單域推薦中普遍存在的數(shù)據(jù)稀疏等問題。但若遷移的知識比較單一,沒有結(jié)合用戶行為,則往往會在目標(biāo)領(lǐng)域?qū)е仑?fù)遷移、推薦結(jié)果不佳等問題。因此,考慮結(jié)合其他知識來輔助完成目標(biāo)領(lǐng)域的學(xué)習(xí)任務(wù)。利用用戶異構(gòu)行為改善推薦結(jié)果,正是近年來的新興研究熱點之一。在用戶數(shù)據(jù)中,標(biāo)簽與用戶的真實偏好相關(guān),通常能夠反映用戶或項目的部分隱式特征。通過結(jié)合遷移學(xué)習(xí)及用戶標(biāo)簽數(shù)據(jù),文中提出了基于標(biāo)簽遷移的跨領(lǐng)域項目推薦算法ITTCF(Item-based Tag Transfer Collaborative Filtering)。該算法摒棄了在跨領(lǐng)域遷移推薦中僅對評分模式進(jìn)行挖掘遷移的單一輔助方式,將用戶行為反饋與數(shù)字評分相結(jié)合,融合了評分模式和標(biāo)簽這兩種異構(gòu)用戶行為。在多個數(shù)據(jù)集中的實驗結(jié)果均表明,ITTCF具有更好的RMSE和MAE值,較傳統(tǒng)算法分別提升了1.61%~6.67%和1.97%~8.83%。

注: 保護(hù)知識產(chǎn)權(quán),如需閱讀全文請聯(lián)系計算機(jī)科學(xué)雜志社