基于物品嵌入向量的会话型推荐算法

• 作者: 陈恩华 方宝富
• 来源期刊: 计算机工程
• 关键词: 推荐算法 循环神经网络 嵌入向量 层次softmax 意图递进
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 74-80
• 页数: 7页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0058110

摘要

传统基于会话的推荐算法主要利用点击物品的时序信息进行建模,忽略了挖掘物品的特征信息,且未利用物品之间的相似性.为提升推荐效果,提出一种新的基于会话的推荐算法SR-I2V.通过Skip-gram模型和层次softmax优化方法学习物品的嵌入向量,由意图递进公式对已发生的物品点击提取出意图特征向量,并根据特征向量相似度计算出每个候选项的推荐分数.实验结果表明,与I2I、PoP和S-POP等传统基于会话的推荐算法相比,该算法在Yoochoose和Diginetica两个数据集上的推荐召回率分别提高了至少4.67个百分点和3.97个百分点,平均倒数排名指标也有相应提高.