一种改进时序卷积网络的序列推荐方法

• 作者: 施浩杰 刘学军 肖庆华
• 来源期刊: 小型微型计算机系统
• 关键词: 序列推荐 压缩激励 注意力机制 扩张卷积 时序卷积
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithms Research
• 页码范围: 1382-1388
• 页数: 7页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.07.006

摘要

序列推荐在构建现代推荐系统中起着十分重要的作用,如何对序列进行建模是当前学术界研究的热点.针对传统推荐算法难以表示用户兴趣的动态变化,基于循环神经网络的推荐方法在捕捉复杂的序列关系方面的不足,提出了一种嵌入压缩-激励模块的改进时序卷积网络来提取序列特征.模型利用扩张卷积增大感受野,捕获更多的序列关系,利用残差连接减小反向传播过程中的梯度消失问题.通过对用户和项目特征的融合,模型可以综合考虑用户的短期和长期偏好进行个性化推荐.在两个数据集上的实验结果表明,本文提出的算法要优于基线算法,取得较好的推荐效果.