10.11959/j.issn.1000−0801.2022266
基于艾宾浩斯遗忘曲线和注意力机制的推荐算法
传统基于注意力机制的推荐算法只利用位置嵌入对用户行为序列进行建模,忽略了具体的时间戳信息,导致推荐性能不佳和模型训练过拟合等问题.提出基于时间注意力的多任务矩阵分解推荐模型,利用注意力机制提取邻域信息对用户和物品进行嵌入编码,借助艾宾浩斯遗忘曲线描述用户兴趣随时间的变化特性,在模型训练过程中引入经验回放的强化学习策略模拟人类的记忆复习过程.真实数据集上的实验结果表明,该模型比现有推荐模型具有更好的推荐性能.
艾宾浩斯遗忘曲线、注意力机制、强化学习、经验回放
38
TP391(计算技术、计算机技术)
浙江省自然科学基金资助项目No.LY20F020006
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共9页
89-97