融合注意力LSTM的协同过滤推荐算法

论文摘要

针对传统协同过滤算法难以学习深层次用户和项目的隐表示,以及对文本信息不能充分提取单词之间的前后语义关系的问题,该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先,附加堆叠降噪自编码器利用评分信息和用户辅助信息提取用户潜在向量;其次,基于注意力机制的长短期记忆网络利用项目辅助信息来提取项目的潜在向量;最后,将用户与项目的潜在向量用于概率矩阵分解中,从而预测用户偏好。在两个真实数据集MovieLens-100k和MovieLens-1M上进行实验,采用RMSE和Recall指标进行评估。实验结果表明,该模型与其他相关推荐算法相比在推荐性能上有所提升。

论文目录

• 0 引言
• 1 融合注意力LSTM的协同过滤推荐模型
•   1.1 ALAMF模型
•     1.1.1 概率矩阵分解
•     1.1.2 长短期记忆网络
•     1.1.3 用户特征提取
•     1.1.4 项目特征提取
•   1.2 ALAMF模型参数学习
• 2 实验及分析
•   2.1 数据集
•   2.2 实验评价指标
•   2.3 对比模型和实验设置
•   2.4 实验结果及分析
•     2.4.1 参数设置
•     2.4.2 模型分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 罗洋,夏鸿斌,刘渊

关键词: 注意力机制,长短期记忆网络,推荐系统,附加堆叠降噪自编码器,协同过滤

来源: 中文信息学报 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 江南大学数字媒体学院,江苏省媒体设计与软件技术重点实验室

基金: 国家科学支撑计划课题(2015BAH54F01),国家自然科学基金(61672264)

分类号: TP391.3;TP18

页码: 110-118

总页数: 9

文件大小: 1053K

下载量: 344