基于嵌入式向量和循环神经网络的用户行为预测方法

• 作者: 刘杨涛 南书坡 杨新锋
• 来源期刊: 现代电子技术
• 关键词: 循环神经网络 深度学习 嵌入式向量 用户行为预测 时间序列
• 年，卷（期）: 2016,（23）
• 所属期刊栏目: 电子技术应用
• 页码范围: 165-169
• 页数: 5页
• 分类号: TN711-34|TP319
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2016.23.041

摘要

为了进一步描述时间因素对用户行为的影响，进而提高推荐系统的推荐效果，综合考虑了用户的长期行为特征和短期行为特征提出一种基于嵌入式向量和循环神经网络的用户行为预测方法。依据推荐系统中的所有用户行为数据，将用户和商品嵌入到相同的特征空间，并通过嵌入式向量反应用户的长期行为特征。针对每个用户，依据其历史行为的时间序列，基于循环神经网络建立该用户的行为预测模型，从而描述该用户的短期行为特征。实验结果表明，提出的方法与特征级时间序列分析等方法相比具有更好的推荐效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	南书坡	河南师范大学新联学院公共教学部	23	38	3.0	5.0
2	杨新锋	南阳理工学院计算机与信息工程学院	59	183	7.0	9.0
3	刘杨涛	南阳理工学院软件学院	13	44	3.0	6.0