题名 融合多维特征与兴趣漂移的虚拟学术社区群推荐模型
1
作者
魏玲
权晨雪
机构
哈尔滨理工大学经济与管理学院
出处
《现代情报》
2023年第7期48-63,共16页
基金
黑龙江省自然科学基金项目“融媒体时代突发事件网络舆情引导机制研究”(项目编号:LH2019G017)。
文摘
[目的/意义]为促进虚拟学术社区知识流转效率,弥补当前针对核心用户群组识别及动态兴趣漂移关注不足的问题,本文构建融合多维特征与兴趣漂移的虚拟学术社区群推荐模型。[方法/过程]以“科学网”为研究对象,从网络传播维度和网络结构维度出发,运用改进的信息熵公式综合识别核心用户并聚类发现用户群组。在此基础上,融合群组兴趣特征向量,基于滑动时间窗口和非线性遗忘曲线分析群组兴趣漂移过程,根据动态兴趣漂移结果进行群组推荐并验证该模型的适用性。[结果/结论]实验结果表明,该模型基于用户多维特征可以准确识别核心用户并能很好地反映群组兴趣漂移特征,同时,本文提出的群组推荐算法相比传统算法在推荐结果的准确率上明显提升。
关键词
虚拟学术社区
核心用户
偏好融合
兴趣漂移
群推荐
Keywords
virtual academic community
core users
preference of fusion
interest drift
group recommended
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
题名 基于内容和兴趣漂移模型的电影推荐算法研究
被引量:32
2
作者
吕学强
王腾
李雪伟
董志安
机构
北京信息科技大学北京网络文化与数字传播研究重点实验室
中国电影科学技术研究所
出处
《计算机应用研究》
CSCD
北大核心
2018年第3期717-720,802,共5页
基金
国家自然科学基金资助项目(61271304
61671070)
+3 种基金
北京成像技术高精尖创新中心项目(BAICIT-2016003)
国家社会科学基金重大项目(14@ZH036
15ZDB017)
国家语委重大课题项目(ZDA125-26)
文摘
针对基于内容的推荐算法中,内容相似度计算精度低、用户兴趣漂移等问题,提出一种结合影评内容相似度和长短期兴趣模型来计算电影相似度的推荐方法。算法利用TextRank、Word2Vec等技术和模型对影评进行关键词抽取和词向量构建,同时基于Word2Vec训练结果进行电影内容相似度计算,一定程度上解决了近义词、网络词等带来的准确率下降问题;然后基于长短期兴趣漂移模型,统计用户对不同内容属性的偏好权重,并随时间窗口动态计算电影相似度矩阵,缓解了用户兴趣随时间漂移而改的问题;最后根据不同推荐策略获得推荐结果。实验结果证明,该算法比对比方法正确率提高了5%左右,同时兴趣模型提取了用户长短期兴趣标签,在工业界及基于标签的算法等场景中都具有很高的实用价值。
关键词
个性推荐
词向量模型
用户偏好
兴趣漂移
聚类
集合相似度
Keywords
recommendation
word vector model
user preference
interest drifting
cluster
collection of similarity
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于优化时间窗的用户兴趣漂移方法
被引量:12
3
作者
费洪晓
戴弋
穆珺
黄勤径
罗桂琼
机构
中南大学信息科学与工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2008年第16期210-211,214,共3页
基金
湖南省科技计划基金资助项目(2006JT1040)
文摘
针对个性化服务系统中如何跟踪用户兴趣变化和调整用户兴趣模型的问题,提出基于优化时间窗的用户兴趣漂移算法。利用分类错误率的变化跟踪用户兴趣的漂移,当用户兴趣发生变化时,通过优化时间窗算法自动调节时间窗的大小,以达到调整用户兴趣模型的目的。实验表明,该方法能较为准确地描述用户的兴趣变化,提高个性化信息服务的效率。
关键词
兴趣漂移
分类错误率
优化时间窗
Keywords
interest drift
classification error-rate
time window optimization
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 一种检测兴趣漂移的图结构推荐系统
被引量:7
4
作者
叶红云
倪志伟
倪丽萍
机构
合肥工业大学管理学院
出处
《小型微型计算机系统》
CSCD
北大核心
2012年第4期700-706,共7页
基金
国家"八六三"高技术研究发展计划项目(2007AA04Z116)资助
国家自然科学基金项目(70871033)资助
文摘
协同过滤是构造推荐系统最有效的方法之一.其中,基于图结构推荐方法成为近来协同过滤的研究热点.基于图结构的方法视用户和项为图的结点,并利用图理论去计算用户和项之间的相似度.尽管人们对图结构推荐系统开展了很多的研究和应用,然而这些研究都认为用户的兴趣是保持不变的,所以不能够根据用户兴趣的相关变化做出合理推荐.本文提出一种新的可以检测用户兴趣漂移的图结构推荐系统.首先,设计了一个新的兴趣漂移检测方法,它可以有效地检测出用户兴趣在何时发生了哪种变化.其次,根据用户的兴趣序列,对评分项进行加权并构造用户特征向量.最后,整合二部投影与随机游走进行项推荐.在标准数据集MovieLens上的测试表明算法优于两个图结构推荐方法和一个评分时间加权的协同过滤方法.
关键词
图结构推荐
兴趣漂移 检测
二部图投影
随机游走
Keywords
graph-based recommendation
interest drift detection
bipartite graph projection
random walk
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 一种检测兴趣漂移的元路径推荐模型
被引量:5
5
作者
石磊
丁鑫
陶永才
卫琳
机构
郑州大学信息工程学院
郑州大学软件技术学院
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第3期612-617,共6页
基金
河南省高等学校重点科研项目(16A520027)资助
文摘
推荐系统向用户推荐个性化的产品或服务.传统的推荐系统研究中,用户兴趣被认为是稳定不变的,而事实上,因为各种因素的影响,用户兴趣会发生改变,称为用户兴趣漂移.如何跟踪用户兴趣漂移,是提高推荐系统准确率的关键,也是近年来推荐系统的研究热点.本文设计一种兴趣漂移检测方法,从项目的内容信息和协同信息两个角度构建用户的兴趣特征向量,检测用户兴趣漂移;然后依据兴趣漂移构建加权的用户-项目异构图;最后引入元路径来描述用户-项目异构图中不同类型节点间的关联关系,寻找与用户有较大关联度的项目推荐给用户.本文在MovieLens数据集上对该模型进行了验证,较BPIR算法,推荐准确度提高了3. 02%.
关键词
兴趣漂移
异构网络
元路径
个性化推荐
Keywords
interest drift
heterogeneous network
meta-path
personalized recommendation
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
题名 混合模型的用户兴趣漂移算法
被引量:7
6
作者
郭新明
弋改珍
机构
咸阳师范学院信息工程学院
出处
《智能系统学报》
2010年第2期181-184,共4页
基金
陕西省科技厅自然科学基础研究计划资助项目(SJ08ZT14-8)
陕西省教育厅科学研究计划资助项目(08JK481)
咸阳师范学院专项科研基金资助项目(08XSYK335)
文摘
针对个性化信息服务中的用户兴趣漂移问题,提出了一种新的正态分布密度曲线遗忘函数,该函数符合用户兴趣遗忘的规律.并且将用户模型定义为长期模型和短期模型相结合的混合模型,其中短期模型使用最近最久未使用的滑动窗口算法进行更新,长期模型采用正态渐进遗忘算法进行更新.实验表明,该方法能够较迅速地发现和准确地跟踪用户的兴趣变化,提高了个性化信息服务的效率.
关键词
个性化
混合模型
兴趣漂移
遗忘函数
Keywords
personalization
hybrid model
interest drift
forgetting function
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
题名 满足用户兴趣漂移的计算自适应快速推荐算法
被引量:3
7
作者
孙光明
王硕
机构
北京交通大学计算机与信息技术学院
河北交通学院网络教研室
河北科技大学信息科学与工程学院
出处
《计算机应用研究》
CSCD
北大核心
2015年第9期2669-2673,共5页
基金
河北省高等学校科学技术研究重点项目(ZD2014061)
文摘
针对推荐算法未考虑大数据量计算导致系统性能差及基于历史评分的相似性不能反映用户兴趣动态变化的问题,提出了满足用户兴趣漂移的计算自适应快速推荐算法。该算法依据CPU等计算资源使用率动态调整待推荐用户窗口,并按项目类别及其访问热度动态分配计算时间,计算自适应项目与目标用户的优先级和相似性计算难易度,提高计算效率与响应速度;建立访问次数随时间变化的兴趣度量函数自适应用户兴趣漂移,提高推荐质量。实验结果表明,算法速度更快、推荐更准确、用户体验更好。
关键词
用户兴趣漂移
计算自适应
推荐算法
Keywords
user interest drift
compute adaptive
recommendation algorithm
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 融合用户兴趣漂移的Top-N推荐算法
被引量:1
8
作者
刘浩翰
马晓璐
贺怀清
机构
中国民航大学计算机科学与技术学院
出处
《中国民航大学学报》
CAS
2021年第3期56-61,共6页
文摘
传统推荐算法多基于用户兴趣的静态属性获得用户偏好,忽略了用户兴趣漂移问题,为此,提出了解决该问题的融合用户兴趣漂移的Top-N推荐算法。利用长短期记忆网络(LSTM,long short term memory)处理时序数据的优势表示用户短期兴趣漂移规律,用矩阵分解得到的固定向量表示用户的长期兴趣,将注意力机制纳入LSTM隐藏状态的表示中来获取用户长短期兴趣关联。实验结果表明,所提算法与当前流行算法相比,在Top-N项目推荐中具有更优性能。
关键词
推荐算法
长短期记忆网络
兴趣漂移
矩阵分解
注意力机制
时间动态性
Keywords
recommendation algorithm
long short-term memory(LSTM)
interest drift
matrix factorization
attention mechanism
time dynamics
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 邮件系统中的兴趣漂移混合模型
被引量:5
9
作者
布红艳
王国胤
董振兴
机构
重庆邮电大学计算机科学与技术研究所
出处
《计算机工程与设计》
CSCD
北大核心
2011年第12期4026-4029,共4页
基金
国家自然科学基金项目(60773113)
重庆市杰出青年基金项目(2008BA2041)
重庆邮电大学青年教师基金项目(A2005-25)
文摘
针对如何在邮件系统中进行用户兴趣模型更新的问题,提出了一种兴趣漂移方法。根据用户长期兴趣和短期兴趣的不同特点,对短期兴趣模型采用时间窗口方法,对长期兴趣模型采用遗忘函数方法进行模型更新。实验结果表明,短期兴趣模型能很好地预测用户近期的兴趣,长期兴趣模型对较长时间段内用户兴趣的预测更稳定。采用混合模型能更好地描述用户兴趣。
关键词
邮件系统
兴趣漂移
时间窗口
遗忘函数
混合模型
Keywords
E-mail system
interest drifting
time window
forgetting function
hybrid model
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于分类的用户兴趣漂移模型
被引量:5
10
作者
郑运刚
马建国
机构
西南科技大学信息工程学院
出处
《情报杂志》
CSSCI
北大核心
2008年第1期37-38,共2页
基金
国家863计划项目"具有语义标引的互补结构网络"(编号:2005AA121520)
文摘
针对个性化信息服务系统中如何表示用户兴趣和用户兴趣的漂移问题,提出了一种基于分类模版的用户兴趣模型构造方法。采用遗忘算法,将用户的长期兴趣和短期兴趣相结合,体现用户兴趣的漂移。
关键词
个性化信息服务
用户兴趣 模型
兴趣漂移
分类号
TP393.4
[自动化与计算机技术—计算机应用技术]
V241.5
[航空宇航科学与技术—飞行器设计]
题名 基于隐马尔可夫模型的用户兴趣漂移模式发现方法
被引量:6
11
作者
张勉
机构
北京建筑工程学院计算机科学与技术系
出处
《北京建筑工程学院学报》
2005年第3期50-52,共3页
基金
北京建筑工程学院青年科学基金资助
文摘
把隐马尔可夫模型引入到兴趣漂移模式发现方法中,采用概念漂移的思想处理用户兴趣的漂移,拓展了隐马尔可夫模型的应用领域,提出了基于隐马尔可夫模型的用户兴趣漂移方法,由此可以发现用户带有兴趣的漂移模式,反映用户的访问偏好.
关键词
用户兴趣漂移
访问偏好
隐马尔可夫模型
Keywords
interest navigation
having a special fondness for calling
hidden Markov model
分类号
TP393.03
[自动化与计算机技术—计算机应用技术]
题名 基于用户多重兴趣漂移特征权重的网络出版物推荐研究
12
作者
钱聪
齐江蕾
丁浩
机构
南京大学信息管理学院
河套学院汉语言文学系
出处
《数据分析与知识发现》
CSCD
北大核心
2023年第8期119-127,共9页
基金
国家社会科学基金重大项目(项目编号:20&ZD154)
黄河几字弯文化创新研究基地开放课题重点项目(项目编号:JZW2022001)
2022年江苏省研究生科研创新计划项目(项目编号:KYCX22_0074)的研究成果之一。
文摘
【目的】基于用户多重自适应偏好特征时间权重改进强化潜在因子模型,以提高推荐的准确性。【方法】基于时序潜在因子模型进一步融合兴趣遗忘特征、出版物兴趣重合度以及评论文本语义层面的相似度等用户不同时间段的偏好,通过偏好权重对用户评分矩阵加权并分解,以捕捉用户在每个时间对不同出版物的多重偏好变化。【结果】在三个数据集中与4种基于时序矩阵分解基线方法进行对比实验,结果表明本文模型的准确率相较于TDMF平均提高9.26个百分点,相比TMRevCo提高17.35个百分点,相比BPTF提高38.63个百分点,相比TCMF提高26.24个百分点,说明本文模型对于用户时序特征抽取更为准确。【局限】由于兴趣漂移演变分析依赖用户历史数据,当历史数据量过于稀疏时需采用用户其他信息进行冷启动。【结论】本文模型考虑用户的遗忘特征和评论演化特征,对于用户时序兴趣漂移的捕捉更有效,更能反映用户对出版物兴趣的演化关系,提高了推荐的准确率。
关键词
时间序列
兴趣漂移
潜在因子
话题演化
推荐系统
Keywords
Time Series
Interest Drift
Latent Factors
Topic Evolution
Recommendation System
分类号
TP391
[自动化与计算机技术—计算机应用技术]
G350
[文化科学—情报学]
题名 融合用户兴趣漂移特征的个性化推荐研究
被引量:11
13
作者
蒋武轩
易明
汪玲
机构
华中师范大学信息管理学院
出处
《情报理论与实践》
CSSCI
北大核心
2022年第1期38-45,37,共9页
基金
国家社会科学基金重点项目“在线健康社区知识共创机理及引导机制研究”研究成果,项目编号:21ATQ006。
文摘
[目的/意义]基于社交网络用户短期兴趣和长期兴趣,挖掘用户不同时间窗口下长短期兴趣,能够提高用户兴趣发现的准确性,解决推荐系统不能适应用户兴趣变化的问题。[方法/过程]通过对社交网络用户兴趣的研究发现,社交网络用户兴趣可以分为短期兴趣和长期兴趣,据此构建融合用户兴趣漂移特征的个性化推荐模型。采用时间窗口的方法挖掘用户短期兴趣,利用遗忘曲线跟踪用户长期兴趣变化。在此基础上对用户进行聚类,根据用户聚类结果为用户推荐兴趣相似用户。并以微博真实数据为例进行实证。[结果/结论]融合用户兴趣漂移特征的个性化推荐模型能够较准确地发现用户兴趣漂移特征,满足用户个性化信息需求。[局限]仅使用"微博"这一应用广泛的网络社交平台进行实证,未能从多个网络社交平台进一步验证模型的可行性和准确性。
关键词
兴趣漂移
行为特征
人类行为动力学
个性化推荐
Keywords
interest drift
behavioral characteristics
dynamics of human behavior
personalized recommendation
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
题名 引入漂移特性的用户兴趣模型优化研究
被引量:2
14
作者
南智敏
钱松荣
机构
复旦大学
出处
《微型电脑应用》
2012年第3期30-32,68,共3页
文摘
根据用户浏览网页时的操作行为,通过量化的方法建立起用户兴趣模型来反映用户兴趣,从而针对不同用户推荐其可能感兴趣的文章。基于兴趣模型的更新效率问题和用户兴趣的漂移特性,引入兴趣模型的时间分段机制和时间衰减机制,对兴趣模型进行了持续优化。实验表明,优化的兴趣模型在系统性能上有较大的提升,并能较好地反映出用户的兴趣变化,对于用户兴趣的表征更加准确,从而进一步提高了兴趣模型推荐文章的准确率。
关键词
兴趣漂移
用户兴趣 模型
时间分段机制
时间衰减机制
Keywords
Interest Drift
User Interest Model
Time Slicing
Time Decay
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于兴趣衰减的个性化排序算法
被引量:4
15
作者
王林
刘继源
马安进
机构
西安理工大学自动化与信息工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第9期214-219,227,共7页
文摘
目前多数个性化排序算法未考虑用户兴趣随时间产生的漂移变化,从而影响排序质量。为此,提出一种融合用户兴趣衰减的个性化排序算法。利用传统个性化排序算法的用户兴趣模型,及用户搜索兴趣的变化规律,分析搜索兴趣程度的时间衰减性,以人类遗忘曲线为基础给出适合搜索兴趣变化的指数遗忘函数,并将其运用到传统个性化排序算法中。实验结果表明,与基于兴趣模型的个性化排序算法相比,该算法能提高个性化搜索引擎的查准率。
关键词
搜索引擎
个性化排序
搜索兴趣
兴趣漂移
遗忘曲线
Keywords
search engine
personalization sorting
search interest
interest drifting
forgetting curve
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于多维度权重动态更新的用户兴趣模型
被引量:4
16
作者
任保宁
梁永全
赵建立
廉文娟
李玉军
机构
山东科技大学信息科学与工程学院
海信集团有限公司数字多媒体技术国家重点实验室
出处
《计算机工程》
CAS
CSCD
2014年第9期42-45,共4页
基金
国家"973"计划基金资助项目"云服务多媒体应用平台的基础架构研究与应用研究"(2012CB724106)
国家自然科学基金资助项目(71240003)
+2 种基金
山东省自然科学基金资助项目(ZR2012FM003)
青岛市科技计划基础研究基金资助项目(KJZD-13-29-JCH)
青岛市开发区重点科技计划基金资助项目(2013-1-25)
文摘
面向个性化电影推荐领域,提出一种基于多维度权重动态更新的用户兴趣模型。将电影分成演员、导演、类别、地区和时间5个维度,分别计算电影在这些维度上的相似度。采用归一化方法将电影之间的相似度转化为用户兴趣模型中的多维度权重,并应用TF-IDF算法计算各维度中特征词的权重,从而实现电影各维度权重及其特征词权重的动态更新。利用基于内容的推荐算法,在MovieLens数据集进行实验,结果表明,该模型具有较高的推荐准确率和召回率,并且能够发现用户对电影维度的偏好,解决用户兴趣漂移问题。
关键词
用户兴趣 模型
个性化推荐
动态权重更新
多维度
维度相似度
兴趣漂移
Keywords
user interest model
personalized recommendation
dynamic update of weight
multi-dimension
similarity of dimension
interest drift
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 面向新闻推荐的用户兴趣模型构建与更新
被引量:8
17
作者
袁仁进
陈刚
李锋
机构
信息工程大学地理空间信息学院
出处
《计算机应用研究》
CSCD
北大核心
2019年第12期3593-3596,共4页
文摘
针对新闻推荐系统中用户兴趣模型构建与用户兴趣漂移问题,提出了一种面向新闻推荐的用户兴趣模型构建与更新方法。首先采用向量空间模型与bisecting K-means聚类算法构建了原始用户兴趣模型;然后以艾宾浩斯遗忘曲线为基础构造了遗忘函数,并以此对用户兴趣模型进行时间加权,从而达到对用户兴趣模型更新的目的。实验以基于用户的协同过滤推荐、基于物品的协同过滤推荐为baseline,实验结果表明所构建的原始用户兴趣模型推荐性能更优,在F值上提升了4%,更新后的模型与原始模型相比F值提高了1. 3%。
关键词
个性化推荐
向量空间模型
用户兴趣 模型
用户兴趣漂移
遗忘函数
Keywords
personalized recommendation
vector space model(VSM)
user interest model
user interest drift
forgetting function
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 契合用户兴趣变化的评论文本深度建模
18
作者
黄文明
张健
机构
桂林电子科技大学计算机与信息安全学院
桂林电子科技大学广西可信软件重点实验室
出处
《计算机工程与设计》
北大核心
2019年第5期1464-1471,共8页
基金
桂林市科学研究与技术开发计划基金项目(2016010406-1)
广西自然科学基金项目(2018GXNSFAA138132)
文摘
针对目前推荐系统对评论文本的特征提取能力不足导致的性能局限,以及数据稀疏性问题和用户兴趣漂移问题导致的推荐精度下降问题进行研究,提出一种契合用户兴趣变化的评论文本深度建模方法,基于深度学习改进传统推荐算法。使用词嵌入技术,挖掘并利用数据集评论中的语义得到表达结果;通过使用并行的一组卷积神经网络,充分挖掘用户和项目评论数据中的隐含特征;设计兴趣衰减曲线,针对用户兴趣漂移现象进一步调整用户建模的契合度;设计一层耦合结构,将两组特征作为输入使用因子分解机进行评分预测,得到推荐结果。仿真结果表明,推荐结果的准确度得到了提升,该方法可行有效。
关键词
推荐系统
特征提取
数据稀疏性问题
用户兴趣漂移 问题
卷积神经网络
Keywords
recommendation system
feature extraction
data sparsity
user interest drift
convolution neural network
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 区分长短期兴趣的用户动态推荐模型研究
19
作者
朱妮
机构
华南理工大学经济与贸易学院
出处
《合作经济与科技》
2020年第10期91-93,共3页
文摘
本文基于隐形反馈数据集提出区分用户长期兴趣和短期兴趣的推荐模型DYLSI,该模型主要考虑到用户兴趣、项目流行度随时间的变化以及长短期兴趣的不同,针对数据稀疏、用户兴趣刻画不细致等问题提出解决方案。实验结果表明:与传统的遗忘曲线、时间窗口和基于矩阵分解的协同过滤相比,本模型在F1-Score评价指标上展现出更加优越的性能。同时,本文计算用户兴趣偏好时,提取长短期兴趣集合、用户活跃度、项目流行度相关指标,可为用户自动打标签,为后续研究用户兴趣的动态演化过程或者网站功能扩展提供更多选择。
关键词
兴趣漂移
动态推荐
长短期兴趣
隐式反馈
分类号
F724.6
[经济管理—产业经济]
题名 基于用户长短期偏好的序列推荐模型
被引量:1
20
作者
雒晓辉
吴云
王晨星
余文婷
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2023年第4期47-55,共9页
基金
黔科合基础(ZK[2022]119)
国家自然科学基金(61662009)。
文摘
针对现有序列推荐模型忽略了不同用户的个性化行为,导致模型不能充分捕获用户动态偏好而产生的兴趣漂移等问题,提出了一种基于用户长短期偏好的序列推荐模型(Sequential Recommendation Model Based on User’s Long and Short Term Preference,ULSP-SRM)。首先,根据用户的序列中交互物品的类别和时间信息生成用户的动态类别嵌入,进而有效建立物品之间的关联性,并且降低数据的稀疏性;其次,根据用户当前点击物品和最后一项点击的时间间隔信息生成个性化时序位置嵌入矩阵,模拟用户的个性化聚集现象,以更好地反映用户偏好的动态变化;然后,将融合了个性化时序位置嵌入矩阵的用户长期偏好序列以会话为单位输入门控循环单元中,生成用户的长期偏好表示,并通过注意力机制将用户长短期偏好进行融合,生成用户的最终偏好表示,从而达到充分捕获用户偏好的目的;最后,将用户最终偏好表示输入推荐预测层进行下一项推荐预测。在Amazon公开数据集的7个子集上进行实验,采用AUC(Area Under Curve)值、召回率和精确率指标进行综合评估,实验结果表明,所提模型的表现优于其他先进基准模型,有效地提升了推荐性能。
关键词
序列推荐
长短期偏好
个性化时序位置
兴趣漂移
注意力机制
Keywords
Sequence recommendation
Long and short term preference
Personalized time series location
Interest in the drift
Attention mechanism
分类号
TP311
[自动化与计算机技术—计算机软件与理论]