典型文献
融合上下文信息的混合神经网络序列推荐模型
文献摘要：
序列推荐是推荐系统领域的热门研究内容.序列推荐的核心思想是从用户与项目交互的序列中,挖掘用户与项目的关系,针对用户下一次可能会交互的项目进行个性化推荐.现有的研究方法大多是对用户ID与项目ID交互序列进行建模的,忽略了用户与项目交互时,项目与用户上下文信息带来的影响.针对这一问题,本文提出了融合项目与用户上下文信息的混合神经网络模型.该模型由嵌入层模块、卷积神经网络与自注意力机制网络两个并行模块组成,其中卷积神经网络模块针对用户与项目交互序列的动态偏好进行建模.自注意力机制网络模块学习用户与项目交互序列的项目与用户上下文信息特征.最终把这两个模块学习到的用户动态偏好和项目与用户上下文信息特征结合起来,从而实现对推荐性能的提升.本文方法与基准方法相比较,在Movielens-1 m数据集MAP提升了 6.5％,在Tmall数据集上MAP提高了 3.2％.
文献关键词：
上下文信息;自注意力机制;序列推荐;混合神经网络
中图分类号：
作者姓名：
冼海锋;沈韬;曾凯
作者机构：
昆明理工大学 信息工程与自动化学院,昆明650500;昆明理工大学云南省计算机技术应用重点实验室,昆明650500
文献出处：
引用格式：
[1]冼海锋;沈韬;曾凯-.融合上下文信息的混合神经网络序列推荐模型)[J].小型微型计算机系统,2022(10):2131-2136
A类：
B类：
上下文信息,混合神经网络,序列推荐,推荐模型,推荐系统,核心思想,户下,个性化推荐,ID,交互序列,嵌入层,自注意力机制,注意力机制网络,卷积神经网络模块,动态偏好,习用,信息特征,特征结合,推荐性,基准方法,Movielens,MAP,Tmall
AB值：
0.292654
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
