摘要
协同过滤是推荐系统中最常用的一种方法,但推荐系统中评分矩阵的稀疏性、冷启动性和大多数推荐算法往往只从用户的角度出发忽略了商品间的关系等因素,限制了推荐算法的实际效果.论文提出一种基于自注意力机制(Self-Attention)的深度学习模型--AS-SADDL,用以进行建模用户交互数据及学习用户潜在偏好表示.该模型采用多重自注意力机制从用户的交互数据中挖掘数据间的关联关系,并通过深层神经网络学习用户潜在偏爱表示.同时用主成分分析法(PCA)对项目评分数据进行降维,并计算项目评分数据间的相似性,结合用户潜在偏爱表示与项目特征表示间的相似性作为最终结果,对用户进行项目推荐.在真实数据集上的实验表明,AS-SADDL模型具有较好的计算效果.
Collaborative filtering is one of the most commonly used methods in recommender systems,however,the sparsity of the rating matrix,cold start-up and most recommendation algorithms only considering the users while neglecting the relationship between the items limit the effectiveness of the recommendation algorithms.In this work,based on the multiple self-attention mechanism,a deep learning model,named AS-SADDL,is proposed for modeling user interaction data and learning the user’s latent preference expression.AS-SADDL employs the multiple self-attention mechanism to extract the correlation among the user’s interact items.Moreover,the model learns the user’s latent preferences through the deep neural network.Simultaneously,we use the Principal Component Analysis(PCA)to model the item rating data.As the result,the model recommends the items to the user according to the similarities between user’s preferences and items.Experiments conducted on the public data demonstrate the effectiveness of the proposed model.
作者
苑威威
彭敦陆
吴少洪
陈章
刘丛
YUAN Wei-wei;PENG Dun-lu;WU Shao-hong;CHEN Zhang;LIU Cong(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第7期1437-1441,共5页
Journal of Chinese Computer Systems
基金
国家自然科学基金项目(61772342,61703278)资助
关键词
推荐系统
PCA
自注意力机制
偏好表示
recommender system
PCA
self-attention mechanism
preferences expressing
作者简介
苑威威,男,1991年生,硕士研究生,研究方向为自然语言处理、推荐系统;彭敦陆,男,1974年生,博士,教授,CCF会员,研究方向为大数据管理、Web数据管理、自然语言处理、深度学习,E-mail:pengdl@usst.edu.cn;吴少洪,男,1991年生,硕士研究生,研究方向为自然语言处理、深度学习;陈章,男,1978年生,硕士,讲师,研究方向为自然语言处理、图像处理、知识图谱;刘丛,男,1983年生,博士,讲师,研究方向为智能算法、文本挖掘、图像分析.
