在电子商务系统中,针对时间序列的用户交易行为,本文在门控循环单元(GRU)的基础上,提出了一种推荐模型。同时基于流行度的负采样机制来提高模型的泛化能力。最后又在模型中引入了因子分解机(FM)。利用FM可以对多特征融合,进一步提高推荐的效果。本文结合循环神经网络与因子分解机两种方法叠加在一起,更好的提升了模型的推荐效果。在YOOCHOOSE数据集上,Recall@20和MRR@20都得到了提升。
科研之友
微信
新浪微博
Facebook
分享链接
