一種跨區(qū)域跨評分協(xié)同過濾推薦算法

摘要： 傳統(tǒng)跨評分協(xié)同過濾范式忽視了目標(biāo)域中評分密度對用戶和項目隱向量精度的影響，導(dǎo)致評分稀疏區(qū)域評分預(yù)測不夠準(zhǔn)確.為克服區(qū)域評分密度對評分預(yù)測的影響，基于遷移學(xué)習(xí)思想提出一種跨區(qū)域跨評分協(xié)同過濾推薦算法（cross-rating collaborative filtering recommendation algorithm,CRCRCF），相對于傳統(tǒng)跨評分協(xié)同過濾范式，該算法不僅能... （共20頁）