面向冷启动用户的代表性物品选择

摘要 冷启动问题一直是推荐系统在实际应用过程中的一大难点,主动学习在推荐领域的应用一定程度上可以缓解这一困境.本文提出一个针对用户冷启动而生成“代表性物品”的主动学习策略.它利用用户与物品之间的关系,对用户与物品进行协同聚类,再借助于决策树得到最终的“代表性物品”.实验证明,用“代表性物品”对用户进行分类后给出询问列表,能够获取到更多的评分数据以及更优的RMSE