-
题名自注意力机制支持下的混合推荐算法
被引量：8
- 1
-
-
作者
苑威威
彭敦陆
吴少洪
陈章
刘丛
-
机构
上海理工大学光电信息与计算机工程学院
-
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
-
基金
国家自然科学基金项目(61772342,61703278)资助
-
文摘
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.
-
关键词
推荐系统
PCA
自注意力机制
偏好表示
-
Keywords
recommender system
PCA
self-attention mechanism
preferences expressing
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名MGSC:一种多粒度语义交叉的短文本语义匹配模型
被引量：12
- 2
-
-
作者
吴少洪
彭敦陆
苑威威
陈章
刘丛
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第6期1148-1152,共5页
-
基金
国家自然科学基金项目(61772342、61703278)资助
-
文摘
语义匹配对许多自然语言处理任务至关重要,诸如信息检索中信息匹配、问答系统中问题和答案的匹配等.基于语义的匹配,即通过提取文本内在语义进行匹配度计算,是目前自然语言处理领域研究的热点.本文提出一种基于深度神经网络的文本语义匹配模型--多粒度语义交叉模型,从语义匹配的角度来解决文本匹配问题.模型首先通过循环神经网络获取短文本不同粒度的语义表示,然后从两个短文本不同粒度的语义交互信息中提取它们语义匹配信息,从而计算两个短文本的语义匹配度.实验表明,本文提出的基于多粒度语义交叉模型在短文本匹配上表现出较好的计算效果.
-
关键词
语义匹配
自然语言处理
多粒度
语义交叉
深度神经网络
-
Keywords
semantic matching
natural language processing
multi-granularity
semantic cross
deep neural network
-
分类号
TP389
[自动化与计算机技术—计算机系统结构]
-
