融合注意力胶囊的深度因子分解机模型

针对深度学习中推荐模型特征组合单一、消解大量有价值特征信息以及过拟合等问题,设计了一种新型的注意力得分机制——注意力胶囊,提出了一种融合注意力胶囊的深度因子分解机模型。基于DeepFM模型,将用户历史点击行为与候选物品进行权重计算,降低了无关特征对模型的影响,充分挖掘了不同历史行为对用户兴趣的差异性影响。训练过程中加入自适应正则化式,在不影响训练速度的前提下,有效地减少了过拟合。在2个公开数据集上进行对比实验,实验结果表明,所提模型相对于其他模型在损失函数和GAUC上均有明显提升。