融合项目嵌入表征与注意力机制的推荐算法

为挖掘用户行为信息的隐性反馈,提出一种融合项目嵌入表征与注意力机制的深度学习序列化推荐算法。由于项目间的相关性特征和用户行为特征对提高推荐算法准确性有重要意义,在GRU网络模型的基础上,考虑点击序列中项目间的相关性,通过word2vec将浏览项目表征为高维向量,弥补传统项目表征的不足;用停留时间优化注意力机制刻画用户兴趣偏好,提高推荐准确性。通过实例验证了所提算法的有效性,召回率达到了69.61%,分类效果优于其它模型。