基于双向条目注意网络的推荐系统

• 作者: 刘文印 杨振国 赵永建
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 注意力网络 协同过滤 自注意力模型 双归一化 推荐
• 年，卷（期）: 2020,（4）
• 页码范围: 27-34
• 页数: 8页
• 分类号: TP391
• 字数: 6957字
• 语种: 中文
• DOI: 10.12052/gdutxb.200002

摘要

提出了一个基于双向条目注意网络(Dual-aspect Item Attention Network,DIAN)的推荐系统,DIAN由2个主要模块组成,分别是用于建模历史条目和目标条目之间的条目相似性的神经关注模型(Neural Attentive Item Similarity Model,NAIS)和用于建模历史条目之间相似性的双归一化自注意力条目相似性模型(Dual Normalization Self-attention Item Similarity,SAIS).一方面,引入神经注意模型来区分用户配置文件中历史项对目标项的影响.另一方面,为了更好地表达用户的兴趣,引入自注意力网络,从用户的历史交互项中推断出条目与条目之间的关系.提出的SAIS模型能够估计用户交互轨迹中每个条目对用户兴趣的相对权重.用双重归一化机制改进了标准的自注意力网络,并且在2个公共基准上进行大量实验证明所提出的方法优于最先进的推荐模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨振国	广东工业大学计算机学院	6	2	1.0	1.0
2	刘文印	广东工业大学计算机学院	13	4	1.0	1.0
3	赵永建	广东工业大学计算机学院	1	0	0.0	0.0