面向会话型推荐系统的个性化分层循环模型

论文摘要

为了精准地捕捉用户行为模式,引入中期兴趣的概念,提出一个基于循环神经网络(RNN)的个性化分层循环模型,通过在同一框架下联合利用用户的会话、区块和全部行为序列来学习用户的综合兴趣.利用一个捕捉会话内序列模式的会话级RNN建模用户的短期兴趣;设计了一个捕捉区块内相邻会话关联关系的区块级RNN,进一步描述用户的中期兴趣;使用一个用户级RNN追踪长期兴趣的演化;引入带有不同交互机制的融合层,以有效融合不同层次的兴趣信息.在3个真实数据集上进行实验,结果表明,该方法与先进的推荐方法相比,Recall@10提升了18. 35%.

论文目录

• 1 个性化分层循环模型
•   1.1 问题描述
•   1.2 会话级RNN
•   1.3 区块级RNN
•   1.4 用户级RNN
•   1.5 目标函数
• 2 实验与分析
•   2.1 实验设置
•   2.2 融合方式的性能分析
•   2.3 整体性能分析
•   2.4 区块性能分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 王雅青,郭彩丽,楚云霏,周洪弘,冯春燕

关键词: 会话型推荐系统,循环神经网络,个性化推荐

来源: 北京邮电大学学报 2019年06期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 北京邮电大学信息与通信工程学院,北京邮电大学先进信息网络北京实验室

基金: 国家重点研发计划项目(2018YFB1800805)

分类号: TP183;TP391.3

DOI: 10.13190/j.jbupt.2019-143

页码: 142-148

总页数: 7

文件大小: 1348K

下载量: 232