基于读者兴趣挖掘的深度学习推荐模型

摘要：

传统的推荐算法面临数据稀疏、泛化能力不强等问题,导致推荐准确率不高.近 10 年来深度学习由于较强的表达能力以及灵活的模型结构成为了最热门的研究方向.该文提出一种基于读者兴趣挖掘的深度学习推荐模型(Deep Reader Preference Ming For Book Recommendation,DRPM),该算法运用自然语言处理技术提取图书丰富的语义特征,利用长短时记忆网络模型对读者历史借阅记录进行建模,分析读者兴趣,并引入注意力机制使图书与读者进行有效交互,挖掘读者动态阅读兴趣,分析读者借阅偏好,从而提供更加精准的图书推荐服务.对武汉轻工大学图书馆 5 年真实数据的实验结果表明,该文所提出的 DRPM模型比基线模型在命中率(HR)和归一化折损累积增益(NDCG)评价指标上有较大提升.

关键词：推荐算法、深度学习、自然语言处理、长短时记忆网络、注意力机制

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;湖北省自然科学基金杰出青年项目;武汉轻工大学高等教育研究一般项目

在线出版日期：2023-04-27（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：201-209