用于下一项推荐的序列感知深度网络

摘要：

推荐系统旨在解决项目的信息爆炸问题并为用户提供个性化推荐.通常,用户交互的历史项目对于用户交互的下一个项目是有着不同的影响的.为此,本文提出一种序列感知深度网络(SeqaDN).本算法主要分为三部分,即项目嵌入、序列感知和深度神经网络偏好学习.首先,通过Item2vec项目嵌入方法将项目的上下文项目作为输入,得到项目的嵌入;其次,本文在Se-qaDN中添加了一个自注意力网络,以感知序列中每个项目关于当前下一个项目的不同影响权重;最后,基于深度双向循环神经网络学习用户的历史偏好.通过在真实数据集MovieLens上设置对比实验验证算法有效性,与传统算法以及同类型算法作对比,实验结果证明了SeqaDN比现有的序列推荐方法取得了更好的推荐性能.

关键词：下一项推荐、序列感知、自注意力网络、深度双向循环神经网络

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;云南省自然科学基金项目

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1389-1394