基于全局与局部相融合的方面注意力推荐模型

• 作者: 张天龙 韩立新
• 来源期刊: 中国科技论文
• 学科: 工学
• 关键词: 计算机应用 推荐模型 注意力机制 混合推荐 深度学习
• 年，卷（期）: 2019,（11）
• 页码范围: 1249-1254
• 页数: 6页
• 分类号: TP391
• 字数: 6631字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2783.2019.11.015

摘要

针对基于评论的推荐方法仅关注用户-商品的全局关系而忽视用户与商品之间的局部强关联的问题,提出了一种全局与局部相融合的方面注意力推荐模型.模型由全局注意力网络和局部邻域注意力网络构成,前者可以捕获用户对商品各个特征的偏好程度,并结合潜在因子计算得出预测评分;后者可通过注意力机制为邻居用户赋予权重,并根据邻居用户的评分值计算出目标用户的预测评分;将两部分预测评分结合,可得出最终评分.在亚马逊商品数据集上进行性能测试,结果表明,所提出的推荐算法求得的均方根误差比所选基准方法更低,具有良好的推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩立新	河海大学计算机与信息学院	47	272	9.0	15.0
2	张天龙	河海大学计算机与信息学院	1	0	0.0	0.0