科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的序列推荐系统在数据稀疏场景下表现不佳，以及无法充分学习用户的个性化兴趣问题，本文提出一种知识增强的个性化序列推荐算法。使用知识图谱作为辅助信息可以缓解数据稀疏问题，然而现有的融合知识图谱的方法会引入大量与系统无关的信息。为此采用一种关系感知采样方法，仅保留知识图谱中与系统相关性高的交互。在序列建模阶段卷积神经网络可以较好地学习用户的局部动态偏好，然而用户的全局交互特征对用户个性化偏好的表达同样重要，本文通过引入多头自注意力机制对全局交互特征进行学习。最后，设计一个自适应混合模块来动态融合两种特征。在公共数据集MovieLens-1M与Amazon-book上的实验结果证明了所设计模型的有效性。
-
单位昆明理工大学; 自动化学院
