吉林大学学报(理学版) ›› 2022, Vol. 60 ›› Issue (4): 919-928.
陈继伟1, 汪海涛1, 朱兴翔2, 姜瑛1, 陈星1
CHEN Jiwei1, WANG Haitao1, ZHU Xingxiang2, JIANG Ying1, CHEN Xing1
摘要: 针对现有序列推荐算法时间信息利用不充分的问题, 提出一种多时间嵌入模式, 用动态融合策略缓解现有序列推荐算法长期偏好建模不充分的问题. 多时间嵌入模式能同时建模用户物品交互的绝对时间信息和相对时间信息, 充分捕获用户物品交互关于时间的多种规律. 动态融合网络根据用户意图动态融合用户的长期偏好和近期偏好, 精准刻画用户兴趣, 提升推荐结果的多样性. 在公共数据集MovieLens-1M和Amazon-Beauty上将该长期记忆增强的时间感知序列推荐算法与现有算法进行对比, 结果表明, 该算法在评价指标HR@N和NDCG@N上均较对比方法有提高. 实验结果表明, 长期记忆增强的时间感知序列推荐算法较其他对比序列推荐算法准确率有一定提高.
中图分类号: