基于双向条目注意网络的推荐系统

摘要：

提出了一个基于双向条目注意网络(Dual-aspect Item Attention Network,DIAN)的推荐系统,DIAN由2个主要模块组成,分别是用于建模历史条目和目标条目之间的条目相似性的神经关注模型(Neural Attentive Item Similarity Model,NAIS)和用于建模历史条目之间相似性的双归一化自注意力条目相似性模型(Dual Normalization Self-attention Item Similarity,SAIS).一方面,引入神经注意模型来区分用户配置文件中历史项对目标项的影响.另一方面,为了更好地表达用户的兴趣,引入自注意力网络,从用户的历史交互项中推断出条目与条目之间的关系.提出的SAIS模型能够估计用户交互轨迹中每个条目对用户兴趣的相对权重.用双重归一化机制改进了标准的自注意力网络,并且在2个公共基准上进行大量实验证明所提出的方法优于最先进的推荐模型.

关键词：注意力网络、协同过滤、自注意力模型、双归一化、推荐

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;广东省引进创新科研团队计划资助项目

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：27-34