关联项目增强的多兴趣序列推荐方法

摘要：

现有基于多兴趣框架的序列推荐方法仅从用户近期交互序列中学习得到用户多兴趣表示,忽略了数据集中项目间的关联信息.针对这一问题,提出了一种关联项目增强的多兴趣序列推荐方法IAMIRec(item associa-tions aware multi-interest sequential recommendation method).首先通过数据集中用户交互序列计算得到项目关联集合和对应的项目关联矩阵,然后根据项目关联矩阵通过多头自注意力机制建模用户的近期交互序列,最后使用多兴趣框架学习得到用户的多个兴趣向量并进行top-N推荐.在三个数据集上对该方法进行了测试与分析,IAMIRec 在 recall、NDCG(normalized discounted cumulative gain)和 hit rate 指标上的表现均优于相关方法.实验结果说明IAMIRec可以实现更优的推荐性能,也表明引入项目关联信息可以有效增强用户的多兴趣表示.

关键词：推荐系统、多兴趣框架、项目关联、自注意力机制

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;南京邮电大学校级科研基金资助项目

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：456-462