基于邻居交互增强和多头注意力机制的跨域推荐模型
孙克雷
汪盈盈
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：针对基于映射的跨域推荐模型未充分关注源域中数据稀疏的用户,导致用户偏好的迁移效率降低的问题,提出了一种基于邻居交互增强和多头注意力机制的跨域推荐模型.首先,利用邻居用户的交互项目来增强源域中数据稀疏用户的交互序列,以捕获更丰富的用户行为信息.然后,采用多头注意力机制从交互序列中提取用户可迁移的偏好特征,以全面捕捉用户兴趣的多个方面.最后,将提取的用户特征输入元网络生成个性化映射函数,并根据源域迁移的用户嵌入来实现目标域的个性化推荐.在亚马逊和豆瓣数据集上进行实验,结果表明所提出的模型相较于最优的基线模型,平均绝对误差指标最高提升了 6.54%,均方根误差指标最高提升了 3.73%.有效地提高了目标域的推荐性能,能够在电子商务等领域为用户提供更准确的项目推荐.
关键词：跨域推荐数据稀疏邻居交互注意力机制元网络冷启动用户
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(61703005)安徽省高校科学研究重点项目(2022AH050821)
论文发表日期：2023-12-20
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( 454-461 )
英文信息