基于长短期偏好的自适应融合推荐算法

作者：周倩; 王逊^*; 王云沼; 黄树成

来源：江苏科技大学学报(自然科学版), 2023, 37(04): 57-64.

DOI：10.20061/j.issn.1673-4807.2023.04.010

• 协同过滤算法
• 用户兴趣偏好
• 注意力机制
• 循环神经网络
• 门控循环单元

现有的推荐算法能够以静态方式捕获用户长期兴趣特征，但忽略用户兴趣不断变化的特性，对短期动态偏好捕获无效，使推荐效果大打折扣.为有效结合用户长期和短期兴趣偏好，学习历史行为序列中蕴含的短期兴趣特征，提出了一种新的算法(RUCF),通过矩阵分解(MF)学习用户和项目信息从而捕获长期兴趣，再使用两层门控循环单元(GRU)捕获历史交互行为序列中的短期动态兴趣，最后，将长期和短期兴趣偏好自适应融合进行预测推荐.算法在门控循环单元中引入注意力机制改进更新门结构，能够学习更有价值的短期兴趣，通过MovieLens-1M和Electronics数据集上的实验结果表明：该算法能提高推荐准确性，与其他相关算法相比具有明显的优越性.

• 单位
  江苏科技大学