融合时间上下文与长短期偏好的序列推荐模型
胡胜利
林凯
安徽理工大学 计算机科学与工程学院,安徽 淮南232001
摘要：在以往基于自注意力机制的序列推荐模型中,由于忽略上下文信息和长期行为信息,常导致模型无法捕捉到多层次的序列特征.因此提出一种融合时间上下文与长短期偏好的序列推荐模型.首先利用感知时间间隔的自注意力机制来建模用户和项目短期行为交互的关系模式,然后补充用户长期偏好来增强用户特征表示,并利用门控机制将长短期偏好表示进行融合生成用户最终兴趣表示.最后对用户交互项目间的共现模式进行建模,并结合用户最终兴趣表示进行项目推荐.在3个公开数据集上进行实验的结果验证了该模型的有效性.
关键词：序列推荐时间信息项目共现上下文信息长短期偏好
分类号：TP391(计算技术、计算机技术)
资助基金：安徽理工大学研究生创新基金项目(2020CX2071)
论文发表日期：2022-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 328-335 )
英文信息