上海砍人2022最新资讯城市的心跳在何处
随着个性化线上应用的增长，推荐系统被广泛用于电商、新闻等领域。但是推荐系统无法给新用户提供精准的推荐服务。跨领域推荐系统旨在从一个信息丰富的源领域向目标领域迁移知识来缓解冷启动问题。然而，这类方法假设用户在源和目标领域的兴趣偏好存在联系，而不是因人而异。
为了解决这一问题，本文提出了一种新的框架，个性化迁移用户偏好的方法用于跨域推荐（PTUPCDR）。该框架使用元学习器，从用户交互历史中提取特质，以建模个性化偏好桥，并将其应用于目标领域中的冷启动用户。
实验结果表明，PTUPCDR在亚马逊数据集上的三个跨域任务中表现出色，并且对比了传统方法。此外，该方法也适用于温暖起始场景，即基于映射得到的向量表示进行微调。
总之，本文研究了跨域推荐中的冷启动问题，并提出了一个高效实用的解决方案，该方案通过个性化迁移用户兴趣偏好来改善对新用户的服务质量。
