基于多通道CNN-BiGRU与多特征融合方法

• 作者: 王凯丽 李海明
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 卷积神经网络 双向门控循环单元 注意力机制 用户表征
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 41-49
• 页数: 8页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.0987

摘要

新闻推荐是根据用户的阅读习惯，为其推送更符合需求的内容，然而现有的方法仍存在特征学习不足的问题.针对此问题，提出了一种基于多通道CNN-BiGRU与多特征融合方法，主要由以下四部分组成：(1)词嵌入层.在词向量中融入实体嵌入向量，弥补单独仅使用词向量的不足，完成多通道词向量的构建；(2)多通道CNN-BiGRU模型.此部分模型使用卷积神经网络(CNN)提取语句的局部特征，使用双向门控循环单元(BiGRU)提取文本的长序列依赖关系，同时，借助最大池化操作以减少参数数量，避免冗余，借助注意力网络以关注重要词汇的特征，获取精确的特征表示；(3)多特征融合.借助注意力机制融合多个新闻特征，并关注重要特征的内容，完成新闻表征的构建；(4)用户表征提取.通过多头注意力机制提取用户历史浏览记录中新闻间的交互关系，以构建准确的用户表征，完成推荐.实验结果表明，所提出的CBMR模型相对现有的CNN、DKN、TANR和NRMS模型，在AUC、MRR、nDCG@5和nDCG@10指标上表现更优异。