一种融合注意力和记忆网络的序列推荐算法

• 作者: 林穗 陈细玉
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 注意力 记忆网络 LSTM 序列推荐
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 智能算法
• 页码范围: 37-41
• 页数: 5页
• 分类号: TP391
• 字数: 4321字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.05.008

摘要

传统基于协同过滤和矩阵分解的静态表示推荐算法,不能很好地体现用户的动态兴趣.循环神经网络能够进行序列推荐,但存在序列之间的长距离依赖性差、各项目的区分度差等问题.由此提出一种融合注意力和记忆网络的序列推荐算法,根据Word2vec算法,引申item2vec和user2vec,初始化用户和项目的固定表示嵌入矩阵,通过结合注意力机制和长短期记忆网络(Long Short-Term Memory,LSTM)解决序列之间的长距离依赖性差和区分度差问题.利用记忆网络获取用户的动态邻居,加强用户的动态表示,实现更准确的推荐.通过在MovieLens数据集上的实验结果表明,所提出的算法相比其他算法推荐效果显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林穗	广东工业大学计算机学院	33	180	5.0	12.0
2	陈细玉	广东工业大学计算机学院	1	0	0.0	0.0