期刊文献+
共找到28篇文章
< 1 2 >
每页显示 20 50 100
基于辅助信息与长短期偏好的序列推荐
1
作者 刘超 任梦瑶 冯禄华 《计算机应用研究》 CSCD 北大核心 2024年第9期2628-2634,共7页
为了解决序列推荐中的用户偏好漂移问题,以及更精确地捕捉用户动态偏好,提出了一种新型的序列推荐模型SILSSRec(side information and long-short term preferences based sequence recommendation)。该模型首先利用项目的类别和频次作... 为了解决序列推荐中的用户偏好漂移问题,以及更精确地捕捉用户动态偏好,提出了一种新型的序列推荐模型SILSSRec(side information and long-short term preferences based sequence recommendation)。该模型首先利用项目的类别和频次作为辅助信息,基于用户的历史交互序列,生成个性化用户嵌入表示。然后,通过历史交互和当前交互之间的时间间隔生成个性化时间间隔嵌入,并将此嵌入与项目特征嵌入融合,形成个性化时间嵌入表示。模型采用注意力机制和门控循环网络,从嵌入表示中提取用户的长期和短期偏好。此外,通过对比学习强化偏好的特征表达,并使用自适应聚合网络动态融合这两种偏好,形成用户的最终偏好表示。在8个公开数据集上的实验结果表明,SILSSRec在评估指标上优于现有的基线模型,其中AUC(area under curve)平均提高了3.82%、召回率平均提高了7.2%、精确率平均提高了0.3%。实验证明SILSSRec在不同场景下均有较好表现,有效缓解了偏好漂移问题,提升了推荐效果。 展开更多
关键词 序列推荐 辅助信息 注意力机制 短期偏好 对比学习
下载PDF
基于用户长短期偏好的个性化推荐
2
作者 叶榕 邵剑飞 邵建龙 《吉林大学学报(理学版)》 CAS 北大核心 2024年第3期615-628,共14页
针对现有序列推荐模型忽略用户的长期偏好和短期偏好,导致推荐模型不能充分发挥作用,推荐效果不佳的问题,提出一种基于用户长短期偏好的个性化推荐模型.首先,针对长期偏好序列长且不连续的特点,采用BERT(bidirectional encoder represen... 针对现有序列推荐模型忽略用户的长期偏好和短期偏好,导致推荐模型不能充分发挥作用,推荐效果不佳的问题,提出一种基于用户长短期偏好的个性化推荐模型.首先,针对长期偏好序列长且不连续的特点,采用BERT(bidirectional encoder representations from transformers)对长期偏好建模;针对短期偏好序列短且与用户交互的间隔时间较短,具有易变性,采用垂直水平卷积网络对短期偏好建模;在得到用户的长期偏好和短期偏好后,利用激活函数进行动态建模,然后利用门控循环网络对长短期偏好进行平衡.其次,针对用户在日常交互中的误碰行为,采用稀疏注意力网络进行建模,在对长短期偏好建模前使用稀疏注意力网络进行用户行为序列处理;用户特征偏好对推荐结果也会有影响,使用带有偏置编码的多头注意力机制对用户特征进行提取.最后,将各部分得到的结果输入到全连接层得到最后的输出结果.为验证本文模型的可行性,在数据集Yelp和MovieLens-1M上进行实验,实验结果表明该模型优于其他基线模型. 展开更多
关键词 序列推荐 长期偏好 短期偏好 稀疏注意力网络 垂直水平卷积网络
下载PDF
结合用户长短期偏好的对话推荐方法
3
作者 冯兴杰 张贺 《计算机工程与设计》 北大核心 2023年第10期3160-3169,共10页
目前的对话推荐系统过于注重用户当前的偏好信息,更多地被设计成为类似搜索引擎的工具,缺乏个性化。针对该问题,提出一种与序列推荐相结合的对话推荐方法,应用序列推荐为对话推荐系统中项目评分模块提供更为符合用户长短期偏好的项目候... 目前的对话推荐系统过于注重用户当前的偏好信息,更多地被设计成为类似搜索引擎的工具,缺乏个性化。针对该问题,提出一种与序列推荐相结合的对话推荐方法,应用序列推荐为对话推荐系统中项目评分模块提供更为符合用户长短期偏好的项目候选集,对话推荐中的路径选取操作也可以为序列推荐提供当前用户的偏好信息,二者都可以产生一个更好的推荐效果。通过在两个真实数据集Yelp和LastFM上进行实验比较与分析,该方法的各项评价指标的性能优于现有对话推荐模型。 展开更多
关键词 对话推荐 序列推荐 交互式路径推理 注意力机制 推荐系统 短期偏好 对话回合
下载PDF
基于用户长短期偏好的序列推荐模型 被引量:3
4
作者 雒晓辉 吴云 +1 位作者 王晨星 余文婷 《计算机科学》 CSCD 北大核心 2023年第4期47-55,共9页
针对现有序列推荐模型忽略了不同用户的个性化行为,导致模型不能充分捕获用户动态偏好而产生的兴趣漂移等问题,提出了一种基于用户长短期偏好的序列推荐模型(Sequential Recommendation Model Based on User’s Long and Short Term Pre... 针对现有序列推荐模型忽略了不同用户的个性化行为,导致模型不能充分捕获用户动态偏好而产生的兴趣漂移等问题,提出了一种基于用户长短期偏好的序列推荐模型(Sequential Recommendation Model Based on User’s Long and Short Term Preference,ULSP-SRM)。首先,根据用户的序列中交互物品的类别和时间信息生成用户的动态类别嵌入,进而有效建立物品之间的关联性,并且降低数据的稀疏性;其次,根据用户当前点击物品和最后一项点击的时间间隔信息生成个性化时序位置嵌入矩阵,模拟用户的个性化聚集现象,以更好地反映用户偏好的动态变化;然后,将融合了个性化时序位置嵌入矩阵的用户长期偏好序列以会话为单位输入门控循环单元中,生成用户的长期偏好表示,并通过注意力机制将用户长短期偏好进行融合,生成用户的最终偏好表示,从而达到充分捕获用户偏好的目的;最后,将用户最终偏好表示输入推荐预测层进行下一项推荐预测。在Amazon公开数据集的7个子集上进行实验,采用AUC(Area Under Curve)值、召回率和精确率指标进行综合评估,实验结果表明,所提模型的表现优于其他先进基准模型,有效地提升了推荐性能。 展开更多
关键词 序列推荐 短期偏好 个性化时序位置 兴趣漂移 注意力机制
下载PDF
结合社交影响和长短期偏好的个性化推荐算法 被引量:1
5
作者 周青松 蔡晓东 刘家良 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2023年第3期495-502,共8页
针对基于会话的推荐算法只捕获用户的短期动态兴趣,忽略长期兴趣和社交好友对用户行为的影响,提出结合社交影响和长短期偏好的推荐算法.设计新颖的异构关系图来组织用户的社交关系和历史会话,提出基于注意力机制的异构图神经网络对图进... 针对基于会话的推荐算法只捕获用户的短期动态兴趣,忽略长期兴趣和社交好友对用户行为的影响,提出结合社交影响和长短期偏好的推荐算法.设计新颖的异构关系图来组织用户的社交关系和历史会话,提出基于注意力机制的异构图神经网络对图进行学习,得到融合用户社交影响的长期偏好.针对社交影响力不一致容易引入噪声的问题,提出加权剪枝策略,减少了噪声干扰且丰富了图结构信息.利用无损的会话建模方法捕获用户的短期偏好,将短期偏好与长期偏好进行自适应融合,得到反映用户全局偏好的特征表示.Gowalla和Delicious数据集上的实验结果表明,所提方法的各项指标相比现有先进方法均有显著提升,证明了所提算法的有效性. 展开更多
关键词 推荐算法 社交影响 短期偏好 加权剪枝策略 异构关系图 异构图神经网络
下载PDF
融合相似性负采样和短期偏好的图卷积推荐模型 被引量:1
6
作者 韦贵香 朵琳 张园园 《陕西理工大学学报(自然科学版)》 2023年第6期71-78,共8页
大多数基于知识图谱的推荐算法在进行知识图谱学习任务时多采用随机替换的方式对负样本进行采样,不能帮助系统高效地学习样本特征;此外,在学习用户的兴趣时忽略了时间因素对用户偏好的影响。针对以上两点,提出了一种融合相似性负采样和... 大多数基于知识图谱的推荐算法在进行知识图谱学习任务时多采用随机替换的方式对负样本进行采样,不能帮助系统高效地学习样本特征;此外,在学习用户的兴趣时忽略了时间因素对用户偏好的影响。针对以上两点,提出了一种融合相似性负采样和用户短期偏好的推荐模型(SPKG)。首先,使用TransE将实体嵌入到向量空间,采用K-means聚类算法将实体进行聚类,通过同簇实体的相互替换可获得高质量的负三元组;然后,采用基于注意力机制的双向门控循环网络从用户近期交互的物品序列中提取用户的短期偏好;最后,通过用户的短期偏好对用户进行推荐。在3个数据集上对模型的性能进行验证,结果表明,相比于基线模型,SPKG在AUC、召回率和F1指标上都有所改善。 展开更多
关键词 推荐系统 知识图谱 负采样 短期偏好 偏好传播
下载PDF
基于用户长短期偏好及时空场景的下一个兴趣点推荐
7
作者 郑宏洲 曾国荪 《现代计算机》 2023年第24期18-25,共8页
在现实生活中,用户对兴趣点的偏好会受到时空场景的影响,用户希望获得匹配当前时间的推荐结果。由此,提出基于用户长短期偏好及时空场景的下一个兴趣点推荐模型。该模型围绕实时兴趣点推荐这一问题,从用户的长短期偏好两方面来挖掘用户... 在现实生活中,用户对兴趣点的偏好会受到时空场景的影响,用户希望获得匹配当前时间的推荐结果。由此,提出基于用户长短期偏好及时空场景的下一个兴趣点推荐模型。该模型围绕实时兴趣点推荐这一问题,从用户的长短期偏好两方面来挖掘用户的实时兴趣偏好。对于长期偏好,从历史数据中收集与当前时空场景最相关的信息。对于短期偏好,在序列影响的基础上考虑时间推移影响。在公开数据集上的实验结果证明了方法的有效性。 展开更多
关键词 兴趣点推荐 短期偏好 时空场景信息 偏好推荐模型
下载PDF
基于知识图谱的网络用户长短期偏好推荐算法 被引量:1
8
作者 佘学兵 蔡爱平 刘承启 《计算机仿真》 北大核心 2021年第8期425-429,共5页
传统网络信息推荐算法的推荐结果数据单一且重复,无法深层挖掘用户偏好,导致推荐结果误差较高,召回率以及准确度均较低。提出基于知识图谱的网络用户长短期偏好推荐算法。通过构建知识图谱,深层次挖掘网络用户的潜在语义信息,并完成及... 传统网络信息推荐算法的推荐结果数据单一且重复,无法深层挖掘用户偏好,导致推荐结果误差较高,召回率以及准确度均较低。提出基于知识图谱的网络用户长短期偏好推荐算法。通过构建知识图谱,深层次挖掘网络用户的潜在语义信息,并完成及时的语义辅助与补充。匹配网络用户历史行为与推荐结果,最终将项目嵌入到网络用户长短期学习中,实现网络用户长短期偏好推荐。实验结果表明,所提方法的推荐结果平方根误差和平均绝对误差较低,且召回率较高,表明推荐结果更能得到网络用户的认可与接受,推荐结果更准确。 展开更多
关键词 知识图谱 推荐算法 短期偏好 网络用户 项目嵌入
下载PDF
融合时间上下文与长短期偏好的序列推荐模型 被引量:1
9
作者 胡胜利 林凯 《湖北民族大学学报(自然科学版)》 CAS 2022年第3期328-335,共8页
在以往基于自注意力机制的序列推荐模型中,由于忽略上下文信息和长期行为信息,常导致模型无法捕捉到多层次的序列特征.因此提出一种融合时间上下文与长短期偏好的序列推荐模型.首先利用感知时间间隔的自注意力机制来建模用户和项目短期... 在以往基于自注意力机制的序列推荐模型中,由于忽略上下文信息和长期行为信息,常导致模型无法捕捉到多层次的序列特征.因此提出一种融合时间上下文与长短期偏好的序列推荐模型.首先利用感知时间间隔的自注意力机制来建模用户和项目短期行为交互的关系模式,然后补充用户长期偏好来增强用户特征表示,并利用门控机制将长短期偏好表示进行融合生成用户最终兴趣表示.最后对用户交互项目间的共现模式进行建模,并结合用户最终兴趣表示进行项目推荐.在3个公开数据集上进行实验的结果验证了该模型的有效性. 展开更多
关键词 序列推荐 时间信息 项目共现 上下文信息 短期偏好
下载PDF
基于多维度兴趣注意力和用户长短期偏好的新闻推荐 被引量:5
10
作者 刘树栋 张可 陈旭 《中文信息学报》 CSCD 北大核心 2022年第9期102-111,共10页
在这个网络媒体平台成为获取新闻资讯的主流方式的时代,新闻推荐扮演着至关重要的角色。一方面,媒体平台使用新闻推荐可帮助用户过滤掉不感兴趣的新闻,定制个性化阅读内容推送;另一方面,智能推送服务能够增加新闻点击率,帮助媒体平台实... 在这个网络媒体平台成为获取新闻资讯的主流方式的时代,新闻推荐扮演着至关重要的角色。一方面,媒体平台使用新闻推荐可帮助用户过滤掉不感兴趣的新闻,定制个性化阅读内容推送;另一方面,智能推送服务能够增加新闻点击率,帮助媒体平台实现新闻的快速传播。目前,新闻推荐逐渐成为数据分发领域核心技术之一,逐渐引起国内外学者的关注。该文针对新闻热度不均衡问题造成的长尾现象,提出了一种基于多维度兴趣注意力的用户长短期偏好的新闻推荐模型。首先,对用户长期偏好进行挖掘时把用户兴趣分成多个维度,并采用注意力机制控制不同兴趣维度的重要程度,从而学习到包含不同维度兴趣信息的长期偏好。其次,采用CNN与注意力网络相结合的模型对新闻进行表示学习,采用GRU在用户近段时间内的阅读历史中学习用户短期偏好。最后,通过大量在真实新闻数据集上的实验,以AUC、MRR、NDCG为评价指标与其他基线方法进行比较,证实了该模型均优于其他方法。 展开更多
关键词 新闻推荐 注意力机制 长尾效应 神经网络 用户长短期偏好
下载PDF
联合神经协同过滤与短期偏好的课程推荐模型 被引量:1
11
作者 罗琨杰 张珑 +1 位作者 杨波 孙华志 《天津师范大学学报(自然科学版)》 CAS 北大核心 2022年第5期59-65,共7页
提出一种联合神经协同过滤与短期偏好的课程推荐模型.该模型通过利用学习者近期的学习行为捕获短期偏好,用以平衡或辅助学习者兴趣变化前后的各时刻历史行为,建构其动态兴趣赋能的历史行为新贡献度,基于短期偏好来重构学习者个性化动态... 提出一种联合神经协同过滤与短期偏好的课程推荐模型.该模型通过利用学习者近期的学习行为捕获短期偏好,用以平衡或辅助学习者兴趣变化前后的各时刻历史行为,建构其动态兴趣赋能的历史行为新贡献度,基于短期偏好来重构学习者个性化动态学习兴趣,从而进行高效的课程推荐.利用学堂在线真实MOOC数据集进行验证,实验结果表明,与其他模型相比,该模型的HR和NDCG指标均得到一定提升,且模型鲁棒性较强. 展开更多
关键词 历史贡献度 个性化学习兴趣 短期偏好 课程推荐
下载PDF
融合知识图谱和短期偏好的推荐算法 被引量:11
12
作者 高仰 刘渊 《计算机科学与探索》 CSCD 北大核心 2021年第6期1133-1144,共12页
近年来,将知识图谱作为辅助信息来增强推荐越来越受到研究者的关注。由于知识图谱学习任务的目标是还原知识图谱中三元组的关系,并非是以推荐任务为目标,导致了知识图谱学习任务很难高效地帮助推荐任务提升推荐性能。另外,用户兴趣易被... 近年来,将知识图谱作为辅助信息来增强推荐越来越受到研究者的关注。由于知识图谱学习任务的目标是还原知识图谱中三元组的关系,并非是以推荐任务为目标,导致了知识图谱学习任务很难高效地帮助推荐任务提升推荐性能。另外,用户兴趣易被短期的环境和心情所影响。针对以上两点,提出了一种融合了知识图谱信息和短期偏好的推荐模型(MKASR)。首先,通过RippleNet算法提取用户和知识图谱实体的关系对,然后将这些关系对按照知识图谱三元组的形式存储和参与训练;采用基于注意力机制的双向GRU网络从用户近期交互的物品序列中提取用户的短期偏好;其次,采用多任务学习的方法同时训练知识图谱学习模块和推荐模块,并得到用户和物品的特征表示;最后,通过这些特征表示和用户的短期偏好向用户综合推荐。在真实数据集MovieLens-1M和Book-Crossing上进行实验,采用AUC、ACC、Precision和Recall指标进行评估,实验结果表明,提出的模型优于其他的基准模型。 展开更多
关键词 推荐系统 知识图谱 短期偏好 偏好传播 多任务学习
下载PDF
基于知识图谱和用户长短期偏好的个性化景点推荐 被引量:8
13
作者 贾中浩 宾辰忠 +3 位作者 古天龙 常亮 朱桂明 陈炜 《智能系统学报》 CSCD 北大核心 2020年第5期990-997,共8页
基于序列化的推荐算法在多个领域取得了不错的效果,但仍存在一些问题,如没有考虑所有项与项之间的关系,推荐准确度会大大降低。因此提出一种基于知识图谱和用户长短期偏好(KG-ULSP)的个性化景点推荐方法。通过引入知识图谱,使用网络表... 基于序列化的推荐算法在多个领域取得了不错的效果,但仍存在一些问题,如没有考虑所有项与项之间的关系,推荐准确度会大大降低。因此提出一种基于知识图谱和用户长短期偏好(KG-ULSP)的个性化景点推荐方法。通过引入知识图谱,使用网络表示学习方法,学习景点的特征向量表示,使得具有相似结构和相似属性的景点在低维特征空间中的距离比较近,以此表示他们的高级语义特征。然后利用门控循环单元GRU对已学习到的景点特征向量进行序列化信息建模,进一步抽取景点的访问序列特征。另外,考虑到用户偏好可能随时间发生变化,KG-ULSP模型同时学习用户的长期偏好和短期偏好,最终预测并返回用户可能感兴趣的推荐列表。通过在真实旅游数据上的实验,验证了所提方法的有效性。 展开更多
关键词 知识图谱 推荐算法 网络表示学习 门控循环单元 个性化景点推荐 短期用户偏好 特征学习
下载PDF
融合用户长短期偏好的基于强化学习的推荐算法
14
作者 杜子文 《现代计算机》 2021年第6期31-36,共6页
现有的基于强化学习的推荐系统在获取用户偏好,编码用户偏好为用户状态时,只利用用户的短期偏好,然而用户不仅会依据短期内形成的偏好来选择商品,同时也会依据长期以来形成的偏好来选择商品。于是本文提出一个融合用户长短期偏好的基于... 现有的基于强化学习的推荐系统在获取用户偏好,编码用户偏好为用户状态时,只利用用户的短期偏好,然而用户不仅会依据短期内形成的偏好来选择商品,同时也会依据长期以来形成的偏好来选择商品。于是本文提出一个融合用户长短期偏好的基于强化学习的推荐模型。该模型可以细粒度地建模用户的长期偏好,并将长期偏好和短期偏好融合得到用户的动态偏好。本文在两个真实的数据集上与baseline进行比较,验证模型的有效性。 展开更多
关键词 推荐系统 强化学习 短期偏好 注意力机制
下载PDF
融合音乐感情注意力的长短期音乐偏好推荐算法研究
15
作者 王珂欣 《现代科学仪器》 2024年第5期287-292,共6页
随着居民娱乐方式的升级,基于感情注意力的音乐推荐算法得以发展。传统的音乐推荐算法基于用户的历史听歌记录,但忽视了音乐本身对用户情感的影响。因此此次研究将梅尔滤波器组入用户长短期偏好中,并在考虑感情注意力的基础上对序列时... 随着居民娱乐方式的升级,基于感情注意力的音乐推荐算法得以发展。传统的音乐推荐算法基于用户的历史听歌记录,但忽视了音乐本身对用户情感的影响。因此此次研究将梅尔滤波器组入用户长短期偏好中,并在考虑感情注意力的基础上对序列时段进行分析,生成一种音乐推荐算法。研究的实验在Recom数据集上进行,并同时进行随机森林等三种算法的实验,以验证融合算法的有效性。针对多曲目的判别能力实验,融合算法对于用户心理的判断准确率为97%,在四种算法中表现最好。实验结果表明,研究提出的融合算法具有最强的性能,适于在用户偏好音乐推荐中得到应用。 展开更多
关键词 短期偏好 音乐推荐 序列时段 梅尔滤波器组 感情注意力
下载PDF
融合知识图谱和兴趣偏好的数字文化资源推荐方法
16
作者 张大更 王西汉 高全力 《计算机技术与发展》 2024年第9期124-130,共7页
在数字文化资源推荐中,资源与用户兴趣的精准匹配扮演着关键作用。虽然知识图谱有效地解决了传统推荐算法中数据稀疏性与冷启动问题,但知识图谱的静态结构却限制了对用户兴趣动态演化的理解。针对上述问题,文中提出了一种融合知识图谱... 在数字文化资源推荐中,资源与用户兴趣的精准匹配扮演着关键作用。虽然知识图谱有效地解决了传统推荐算法中数据稀疏性与冷启动问题,但知识图谱的静态结构却限制了对用户兴趣动态演化的理解。针对上述问题,文中提出了一种融合知识图谱和兴趣偏好的数字文化资源推荐方法(Knowledge Graph Interest Preferences,KGIP)。该方法首先通过构建知识图谱的嵌入表示用以建立用户与资源之间的关联关系。其次,采用长短期记忆网络模块表征用户的兴趣,并挖掘用户长短期历史行为中的复杂特征,更准确地捕捉用户的兴趣偏好。最后,为了充分利用兴趣偏好以及资源之间的关联信息,将两种特征表示进行融合送入多层感知器学习不同潜在因子之间的非线性结构特征,引入Sigmoid激活函数得到最终预测结果。通过在豆瓣平台和国家文化云平台数据集上进行多次实验验证,结果表明KGIP在数字文化资源推荐中具有良好的表现。 展开更多
关键词 推荐算法 知识图谱 短期记忆网络 短期兴趣偏好 数字文化资源推荐
下载PDF
基于时间敏感的异构图相似神经网络的新闻推荐
17
作者 张雯涛 栾方军 +1 位作者 袁帅 刘国奇 《计算机科学与应用》 2024年第4期151-162,共12页
目前网络上新闻信息呈现爆炸式增长趋势,为方便用户快速找到他们感兴趣的新闻,个性化新闻推荐变得愈发重要。目前主流的新闻推荐方法大多都是基于静态数据进行研究,忽略了可以间接反映用户对新闻兴趣程度的动态信息,如用户阅读新闻的时... 目前网络上新闻信息呈现爆炸式增长趋势,为方便用户快速找到他们感兴趣的新闻,个性化新闻推荐变得愈发重要。目前主流的新闻推荐方法大多都是基于静态数据进行研究,忽略了可以间接反映用户对新闻兴趣程度的动态信息,如用户阅读新闻的时间等。为了解决此类问题,文中在GNewsRec模型的基础上提出了一种基于时间敏感的异构图相似神经网络模型(TSHGSN)。采用CNN学习新闻特征,加入用户阅读新闻时间权重并利用LSTM学习用户点击新闻的序列特征作为用户短期偏好。同时,构建了一个异构图,建模用户–新闻–主题关联,采用新的邻居采样方法聚合节点获取候选新闻特征表示和用户长期偏好。最后,将用户短期兴趣和长期兴趣与候选新闻分开进行相关性计算,旨在自适应的调整用户建模中短期兴趣和长期兴趣的重要性。实验数据表明,与GNewsRec模型相比,该模型在AUC指标上提高约4%。 展开更多
关键词 新闻推荐 图神经网络 短期偏好 长期偏好
下载PDF
基于长短期记忆网络的协同过滤算法研究
18
作者 张素智 李鹏辉 陈小妮 《湖北民族大学学报(自然科学版)》 CAS 2020年第2期151-157,共7页
协同过滤算法如今已经广泛地应用在推荐系统领域,但大多未考虑数据的时效特征,近期长短期记忆网络(LSTM)在用户短期偏好建模方面显示出了巨大的优势,它能描述数据随时间变化的动态特征.因此本文将LSTM与协同过滤算法相结合,提出基于LST... 协同过滤算法如今已经广泛地应用在推荐系统领域,但大多未考虑数据的时效特征,近期长短期记忆网络(LSTM)在用户短期偏好建模方面显示出了巨大的优势,它能描述数据随时间变化的动态特征.因此本文将LSTM与协同过滤算法相结合,提出基于LSTM的协同过滤算法模型LSMF,该模型应用循环神经网络结构来动态模拟会话上下文,建模短期行为偏好,并自适应融合长期行为偏好进行推荐.在Netflix数据集上与传统方法BPRMF、LSTM和两种基于RNN的最新模型NARM、T-LSTM相比,用户行为预测有了显著的改进.试验结果表明,基于LSMF算法模型的推荐系统有较高的推荐准确度. 展开更多
关键词 循环神经网络 LSTM 协同过滤 短期偏好
下载PDF
基于用户长短期兴趣与知识图卷积网络的推荐 被引量:10
19
作者 顾军华 佘士耀 +1 位作者 樊帅 张素琪 《计算机工程与科学》 CSCD 北大核心 2021年第3期511-517,共7页
基于知识图谱的推荐可以提高推荐的精确性、多样性和可解释性。结合知识图谱与用户长短期兴趣提出了基于用户长短期兴趣与知识图卷积网络的推荐模型(LSKGCN)。在知识图谱推荐算法的基础上提出了将用户长期兴趣偏好与短期兴趣偏好结合的... 基于知识图谱的推荐可以提高推荐的精确性、多样性和可解释性。结合知识图谱与用户长短期兴趣提出了基于用户长短期兴趣与知识图卷积网络的推荐模型(LSKGCN)。在知识图谱推荐算法的基础上提出了将用户长期兴趣偏好与短期兴趣偏好结合的用户表示方法。根据时间筛选近期历史项目并通过知识图卷积网络得到历史项目的向量表示,通过注意力机制得到短期兴趣表示。根据与所有历史项目的最小欧氏距离得到长期兴趣表示。最后在真实数据集MovieLens-20、Amazon Music、Last.FM上进行测试,验证了该算法的有效性。 展开更多
关键词 知识图谱 推荐系统 短期兴趣偏好 图卷积网络
下载PDF
融合社交关系的图神经网络序列推荐模型研究
20
作者 胡胜利 武静雯 +1 位作者 赵琦 温秋芬 《广东技术师范大学学报》 2023年第3期1-8,共8页
针对在线社区中用户兴趣偏好快速变化的现象,为了快速定位用户的当前兴趣同时考虑动态的社交因素对用户决策的影响等问题,提出一种融合社交关系的图神经网络序列推荐的模型.首先利用门控循环单元对用户最近一次的会话作为短期兴趣进行建... 针对在线社区中用户兴趣偏好快速变化的现象,为了快速定位用户的当前兴趣同时考虑动态的社交因素对用户决策的影响等问题,提出一种融合社交关系的图神经网络序列推荐的模型.首先利用门控循环单元对用户最近一次的会话作为短期兴趣进行建模,而对于用户的朋友则使用短期兴趣和长期兴趣串联融合来表示,其中短期兴趣使用朋友最近一次的会话进行建模,长期兴趣则是学习过的个体嵌入;然后通过用户的社交关系构建用户-朋友无向单元图并使用图注意力网络更新用户基于社交关系的表征;最后使用全连接层将用户的短期兴趣表示与用户基于社交关系的表示进行融合得到最终的用户表示并以此来进行项目的推荐.通过在三个与在线社区有关的数据集上的实验验证了社交关系能有效地提高序列推荐的准确性.该模型在召回率Recall@k与归一化累计增益NDCG两个评价指标上与其他模型相比有明显提升,当评估指标k值取20时,与DGRec模型相比,其Recall@20指标在三个数据集上分别提升了10.3%,5.7%,1.7%,NDCG在三个数据集上分别提升了6.85%,5.05%,2.4%. 展开更多
关键词 序列推荐 图神经网络 社交关系 门控循环单元 短期偏好
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部