摘要

用户的行为序列既包含了用户的短期兴趣,也包含了用户的长期偏好。针对此类问题,提出一个基于用户长短期兴趣的自注意力模型。使用循环神经网络来处理变长的用户序列,得到用户的长期兴趣表示;用自注意力网络计算序列中的每个项目对预测用户下一次交互项目的重要性程度,得到用户的短期兴趣表示;将循环神经网络的输出作为查询输入到自注意力网络中,得到综合长短期兴趣的用户表示,并用这个表示来预测用户的下一次交互。该算法在三个真实世界的数据集上评估了提出的模型,其中命中率指标提高7%~30%。