基于异质注意力循环神经网络的文本推荐

• 作者: 孟昱煜 牛全福 牛耀强
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 短期文本推荐 数据嵌入 异质数据 双向GRU 注意力机制
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 52-59
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055861

摘要

针对当前大数据环境下文本推荐不精确的问题,对文本数据和关系网络2种异质数据进行融合,并引入编码器-解码器框架,提出基于异质注意力的循环神经网络模型用于短期文本推荐.使用句子级的分布记忆模型和实体关系表示方法TransR,分别将文本数据和关系网络嵌入到高维向量中作为模型的输入.在编码器阶段,使用双向GRU将用户的短期兴趣引入到推荐模型中,并将注意力机制与解码器相连接,使解码器能动态地选择并线性组合编码器输入序列的不同部分,以建模用户在短期内的偏好.在解码器阶段,将编码器的注意力输出、候选项和当前用户的表示作为输入.通过双向GRU和前馈网络层,计算每个候选项的得分得到推荐结果.实验结果表明,与TF-IDF和ItemKNN等模型相比,该模型在召回率和均值平均精度指标上均有明显提升.