自注意力环境下网络用户行为数据推荐方法

摘要：

为提升网络个性化服务质量,针对传统推荐算法计算结果精度不高、覆盖率不全面的问题,提出一种自注意力机制下网络用户行为数据推荐方法.引入自注意力机制,模拟人类大脑处理看到事物时独有的信号处理机制,通过用户潜在偏好的集合与行为特征集合构建用户行为偏好模型,挖掘用户网络行为特点;将网络用户行为拟作个体评分问题,把用户评分信息当作区间型符号数据,在改进Hausdorff距离方法的前提下,使用K均值聚类算法划分区间型符号数据,预测目标用户对网络行为的评分,利用最近邻评分原则选取评分最高的项目作为最优推荐信息推送.以真实数据集作为仿真样本,实验结果证明所提方法的数据推荐准确率高、推荐内容覆盖范围广、实用性强,可广泛应用于各大门户网站.

关键词：自注意力机制、用户行为、数据推荐、行为偏好、区间型符号

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;广西区自然科学基金项目;广西可信软件重点实验室基金;研究生创新项目;研究生创新项目;研究生创新项目

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：497-501