面向冷启动用户基于分类偏好迁移的跨域推荐方法

本发明提出了一种面向冷启动用户基于分类偏好迁移的跨域推荐方法，包括以下步骤：S1，通过预训练分别学习用户和物品在源域的嵌入表示，以及用户和物品在目标域中的嵌入表示，并利用偏好编码器获得源域中用户的偏好表示；S2，通过无监督学习聚类算法将偏好相似的用户聚类到一个簇中，得到每一类用户的类别标签和质心；所述质心为该类型用户的一般偏好表示；S3，将一般偏好表示嵌入输入元网络，生成该类型用户的类别型桥函数，实现不同类型的用户使用不同的桥函数；S4，将冷启动用户所在源域的嵌入表示输入至类别型桥函数来获取目标域内的预测的嵌入表示。本发明能有效提高推荐的准确性和鲁棒性，且能避免过拟合的问题。