-
题名时间感知的双塔型自注意力序列推荐模型
被引量：1
- 1
-
-
作者
余文婷
吴云
-
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第1期175-188,共14页
-
基金
国家自然科学基金(62266011)
贵州省科技计划项目(黔科合基础ZK[2022]一般119)。
-
文摘
用户的偏好具有聚合性和漂移性。现有推荐算法在序列建模框架中融合了交互时间相关性的建模,取得了很大的性能改善,但它们在建模时仅考虑了交互的时间间隔,使得它们在捕捉用户偏好的时间动态方面存在局限性。首先,提出了一种新的时间感知的位置嵌入方法,将时间信息与位置嵌入相结合,帮助模型学习时间层面的项目相关性。随后,在时间感知位置嵌入基础上,提出了时间感知的双塔自注意力序列推荐模型(TiDSA)。TiDSA包含项目级和特征级的自注意力模块,分别从项目和特征两个角度对用户偏好随时间变化的过程进行分析,实现了对时间、项目和特征的统一建模,并且在特征级自注意力模块,设计了多维度的自注意力权重计算方式,从特征维度、项目维度和项目与特征交叉维度充分学习特征之间的相关性。最后,TiDSA将项目级与特征级的信息相融合得到最终的用户偏好表示,并根据该表示为用户提供可靠的推荐结果。四个真实推荐数据集的实验结果表明,TiDSA的性能优于许多先进的基线模型。
-
关键词
时间感知序列推荐
位置嵌入
特征级自注意力机制
双塔自注意力网络
-
Keywords
time-aware sequential recommendation
positional embedding
feature-level self-attention
dual-tower self-attention
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
