融合注意力LSTM的协同过滤推荐算法

• 作者: 刘渊 夏鸿斌 罗洋
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 注意力机制 长短期记忆网络 推荐系统 附加堆叠降噪自编码器 协同过滤
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 信息检索与问答系统
• 页码范围: 110-118
• 页数: 9页
• 分类号: TP391
• 字数: 6495字
• 语种: 中文

摘要

针对传统协同过滤算法难以学习深层次用户和项目的隐表示,以及对文本信息不能充分提取单词之间的前后语义关系的问题,该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型.首先,附加堆叠降噪自编码器利用评分信息和用户辅助信息提取用户潜在向量;其次,基于注意力机制的长短期记忆网络利用项目辅助信息来提取项目的潜在向量;最后,将用户与项目的潜在向量用于概率矩阵分解中,从而预测用户偏好.在两个真实数据集MovieLens-100k和MovieLens-1M上进行实验,采用RMSE和Recall指标进行评估.实验结果表明,该模型与其他相关推荐算法相比在推荐性能上有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数字媒体学院	235	1325	17.0	25.0
3	夏鸿斌	江南大学数字媒体学院	24	148	6.0	11.0
9	罗洋	江南大学数字媒体学院	1	0	0.0	0.0