CN114969533B 一种基于用户长短期偏好的序列推 荐方法 （北京优个网信息技术有限公司）_第1页
CN114969533B 一种基于用户长短期偏好的序列推 荐方法 （北京优个网信息技术有限公司）_第2页
CN114969533B 一种基于用户长短期偏好的序列推 荐方法 （北京优个网信息技术有限公司）_第3页
CN114969533B 一种基于用户长短期偏好的序列推 荐方法 （北京优个网信息技术有限公司）_第4页
CN114969533B 一种基于用户长短期偏好的序列推 荐方法 （北京优个网信息技术有限公司）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于用户长短期偏好的神经协同过滤隐含因子模型基于用户的全局信2S2、采用门控循环单元建模用户短期兴趣，并引入注意力机制来控制GRU网络的更新所述引入注意力机制来控制GRU网络的更新门，需要先将历史行为序列的嵌入向量和目标物品向量输入到注意力网络，注意力网络计算得到两者的相关权重w并传递给GRU网式中a**S4、基于注意力机制对长期兴趣和短期兴趣进述item2vec来进行项目嵌入，在此使用来表示用户交互序列的嵌入向量。3p,=pport+(1-p)p8port表示在用户短期序列阶段求得的偏好，p8代表用户的长4配需求的信息或服务。他最重要的特点在于能够充分适应用户需求不明确和复杂的情况，[0003]传统的推荐算法大多由基于内容的推荐和基于社会网络忆网络(LSTM)或门控循环单元(GRU)来对用户历史行为序列进行建模，考虑到门控循环单5用户的全局信息建模用户长期兴趣，最后通过注意力机制为长短期兴趣分配不同的权重，[0012]进一步的，针对one-hot编码的项目嵌入方式面对大量高维数据无法较好的优化来表示用户交互序列的嵌入向(,t)表示用户u在时刻与物品发生过交互行为。a[0017]本方法提出的引入注意力机制的AGRU与传统的GRU的区别在于更新门引入了注意[0020]p⃞ort=(1-if)h4-1+ufo6if(,e")为相似度,Hu为目标[0031]本发明使用softmax函数将候选项的权重转换为概率表达式，给出了系统如何分配短期兴趣port和长期兴趣对于推荐结果的影pu=opot+(1-p)p8[0035](1)本发明属于序列推荐算法领域，能够对推荐系统中的用户进行动态的项目个[0036](2)提出了一种新颖的引入注意力机制的用户短期兴趣提取门控神经网络，使用[0037](3)提出了一种引入注意力机制的用户长短期偏好聚合方式，能够有效地提升推7[0046]在本实例中，使用的数据集为明尼苏达大学

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论