时间感知的双塔型自注意力序列推荐模型

摘要：

用户的偏好具有聚合性和漂移性.现有推荐算法在序列建模框架中融合了交互时间相关性的建模,取得了很大的性能改善,但它们在建模时仅考虑了交互的时间间隔,使得它们在捕捉用户偏好的时间动态方面存在局限性.首先,提出了一种新的时间感知的位置嵌入方法,将时间信息与位置嵌入相结合,帮助模型学习时间层面的项目相关性.随后,在时间感知位置嵌入基础上,提出了时间感知的双塔自注意力序列推荐模型(TiDSA).TiDSA包含项目级和特征级的自注意力模块,分别从项目和特征两个角度对用户偏好随时间变化的过程进行分析,实现了对时间、项目和特征的统一建模,并且在特征级自注意力模块,设计了多维度的自注意力权重计算方式,从特征维度、项目维度和项目与特征交叉维度充分学习特征之间的相关性.最后,TiDSA将项目级与特征级的信息相融合得到最终的用户偏好表示,并根据该表示为用户提供可靠的推荐结果.四个真实推荐数据集的实验结果表明,TiDSA的性能优于许多先进的基线模型.

关键词：时间感知序列推荐、位置嵌入、特征级自注意力机制、双塔自注意力网络

所属期刊栏目：18

分类号：TP311(计算技术、计算机技术)

在线出版日期：2024-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：175-188