基于异质注意力循环神经网络的文本推荐

摘要：

针对当前大数据环境下文本推荐不精确的问题,对文本数据和关系网络2种异质数据进行融合,并引入编码器-解码器框架,提出基于异质注意力的循环神经网络模型用于短期文本推荐.使用句子级的分布记忆模型和实体关系表示方法TransR,分别将文本数据和关系网络嵌入到高维向量中作为模型的输入.在编码器阶段,使用双向GRU将用户的短期兴趣引入到推荐模型中,并将注意力机制与解码器相连接,使解码器能动态地选择并线性组合编码器输入序列的不同部分,以建模用户在短期内的偏好.在解码器阶段,将编码器的注意力输出、候选项和当前用户的表示作为输入.通过双向GRU和前馈网络层,计算每个候选项的得分得到推荐结果.实验结果表明,与TF-IDF和ItemKNN等模型相比,该模型在召回率和均值平均精度指标上均有明显提升.

关键词：短期文本推荐、数据嵌入、异质数据、双向GRU、注意力机制

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;甘肃省自然科学基金

在线出版日期：2020-11-06（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：52-59