时域交互网络中动态嵌入轨迹预测方法

作者：郑磊

来源：重庆理工大学学报：自然科学, 2022, 36(08): 161-170.

• 顺序交互
• 表示学习
• 嵌入轨迹
• 耦合循环神经网络
• 投影算子

在电子商务、社交网络和教育等领域对用户和物品之间的顺序交互关系进行建模至关重要。通过表示学习模拟用户和物品的动态演化具有广阔应用前景，其中每个用户和物品均可以嵌入到欧几里得空间中，并且可以通过该空间中的嵌入轨迹对其演化进行建模。然而，现有的动态嵌入方法仅在用户采取某一动作并且未对嵌入用户和物品的未来轨迹进行建模时才会生成嵌入向量。针对这一问题，提出一种用户-物品耦合循环神经网络模型UICRNN(user-item coupled recurrent neural network model),学习用户和物品的嵌入轨迹。该模型使用2个循环神经网络来更新用户和物品交互关系的嵌入。此外，UICRNN模型可以对用户和物品的未来嵌入轨迹进行建模，引入了一种新的投影算子，该算子学习并估计将来可能嵌入的用户，估计的嵌入用户用于预测未来的用户和物品之间的交互关系。在多个真实数据集进行大量实验，预测未来交互的准确率至少提高42.91%,预测用户状态变化的准确率平均提高15.79%。