基于双层网络挖掘用户偏好的序列化推荐算法
陈浩1
周从华2
1.江苏大学计算机科学与通信工程学院 镇江 2120132.江苏大学计算机科学与通信工程学院 镇江 212013;江苏大学京口区新一代信息技术产业研究院 镇江 212013
摘要：下一项推荐在电商领域是具有挑战性的任务之一.针对现有的序列化推荐模型中把上下文交互物品视为对下一项待推荐物品的重要程度为一样,以及用户长短期偏好在推荐过程中所占比重不清楚的问题,提出了双层网络挖掘用户偏好的序列化推荐算法.在第一层注意力网络结构中,采用带有注意力机制的神经记忆网络结合用户历史会话嵌入计算当前序列中物品的注意力权重.在第二层注意力网络中,将带权重的上下文信息结合门控循环单元的当前隐藏层输出组成的神经网络记忆单元,再用注意力机制计算出当前记忆单元所占的权重,即短期偏好的权重.然后结合用户历史购物信息和当前上下文的嵌入通过注意力机制计算出当前上下文的长期偏好所占权重.通过在电商数据集JDATA上的测试,所提方法在推荐准确率有较大的提升.
关键词：推荐系统注意力网络门控循环单元用户偏好
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2024-08-20
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：6( 2266-2271 )
英文信息