SeqRec:基于长期偏好和即时兴趣的序列推荐模型

• 作者: 张岩 张靖 於志文 王倩茹 郭斌
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 序列数据 个性化推荐 长期偏好 即时兴趣 注意力机制
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机控制技术
• 页码范围: 1177-1184
• 页数: 8页
• 分类号: TU111
• 字数: 6828字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.06.015

摘要

通过对用户的历史购物序列进行建模,得到用户稳定的长期偏好和动态的即时兴趣,并聚合长期偏好和即时兴趣进行个性化推荐.提取用户对商品的评论内容用于表示商品的特征;使用递归神经网络从用户的历史购买序列数据中学习用户稳定的长期偏好,使用提问数据对用户不断变化的即时兴趣进行建模;通过注意力机制为长期偏好以及即时兴趣分配不同的权重,得到用户最终偏好的向量表示.在亚马逊真实数据集上的实验结果表明,SeqRec模型在召回率和精确率上比当前主流的序列推荐方法至少超出10％;SeqRec模型证明不同用户的长期偏好和即时兴趣对其下次购买物品的影响程度不同.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	於志文	西北工业大学计算机学院	78	682	12.0	24.0
2	张岩	西北工业大学计算机学院	15	77	3.0	8.0
3	郭斌	西北工业大学计算机学院	54	304	8.0	16.0
4	王倩茹	西北工业大学计算机学院	2	1	1.0	1.0
5	张靖	西北工业大学计算机学院	2	0	0.0	0.0