基于注意力机制的深度协同过滤模型

• 作者: 何灵敏 王修晖 谢恩宁
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 计量 深度学习 注意力机制 协同过滤 推荐系统
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 219-225,242
• 页数: 8页
• 分类号: TB9
• 字数: 5946字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2019.02.015

摘要

目的:鉴于近年来深度学习技术在计算机视觉、语音识别和自然语言处理等领域获得了巨大的成功.故将深度学习技术引入推荐系统领域,用来提升传统协同过滤方法在隐式反馈数据下的推荐效果.方法:结合深度神经网络和注意力机制可以有效提取隐式反馈数据中潜在的特征,提出了基于注意力机制的深度协同过滤模型.结果:在多个公开的数据集下进行了大量的实验,结果表明提出的模型在多项评价标准上要明显优于其它推荐算法.结论:基于注意力机制的深度协同过滤模型成功地改善了推荐系统在隐式反馈数据下的推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何灵敏	中国计量大学信息工程学院	21	62	5.0	6.0
2	王修晖	中国计量大学信息工程学院	17	117	7.0	10.0
3	谢恩宁	中国计量大学信息工程学院	1	0	0.0	0.0