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算法通常仅采用单一项目信息来捕获项目的潜在特征，以及循环神经网络存在时间依赖性随序列中位置单调变化的问题，提出一种分层注意力机制与用户动态偏好融合的序列推荐算法。首先，针对单一项目信息不足以学习项目准确表示的问题，提出一种分层注意力机制用于学习高质量的项目表示。其次，针对循环神经网络的时间依赖性严重损害了用户近期偏好建模的问题，引入文本卷积神经网络来提取循环隐藏状态之间的短期序列模式，并根据用户意图将用户长期偏好与近期偏好进行动态融合。此外，针对传统自注意力机制无法对序列中元素的相对位置信息进行建模的问题，对现有的自注意力机制进行了改进，充分捕获序列中元素的相对位置信息。并在公开数据集MovieLens-1M与Amazon-Book上与现有优秀算法作比较，实验结果证明了所提算法的有效性。
-
单位昆明理工大学; 自动化学院
