基于用户行为的长短期序列推荐模型

摘要：

针对现有推荐模型忽略用户兴趣的动态变化,导致推荐精度较低等问题,提出一个基于用户行为的长短期序列推荐模型(long and short term sequence recommendation model based on user behavior,UBLSR).在序列信息挖掘部分设计一种多路空洞卷积网络,将网络扩展成多通路结构挖掘复杂的用户行为特征;将短期时间窗口内的序列行为和目标物品进行关联,通过自注意力网络动态地对用户短期兴趣进行建模;设计一种邻居用户表示方案,借助注意力机制关注邻域内有影响力的用户子集,对用户长期兴趣进行建模;将短期兴趣建模和长期兴趣建模的结果联合进行推荐预测.UBLSR模型在Gowalla、Movielens-1M两个数据集上进行实验,其结果表明,该模型优于其它基准模型,达到较为突出的性能.

关键词：用户行为、长短期序列推荐、多路空洞卷积网络、自注意力网络、短期兴趣、长期兴趣、邻居用户表示方案

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省科技计划基金项目;国家自然科学基金

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2777-2785